Pandas:sort | 您所在的位置:网站首页 › python中ascending=true › Pandas:sort |
sort_index和sort_values既是Series类型数据自带的方法,也是DataFrame数据自带的方法。本篇博客以DataFrame为例进行讲述。 1 概览sort_index和sort_values可以将DataFrame中的数据按照索引及值的大小进行排序。这两个方法所包含的参数及其作用都基本一致。如下表所示: 参数作用bysort_values方法独有的参数;指定排序列名或索引;levelsort_index方法独有的参数;指定排序索引所在的层级;axis指定排序的轴;ascending升序(True)或者降序(False);inplace是否本地置换,参考博客:Pandas和Numpy:常见函数参数inplace的作用_Sun_Sherry的博客-CSDN博客_inplace函数kind指定排序算法:'quicksort', 'mergesort', 'heapsort', 'stable';na_position指定空值数据放置的位置:'first'、'last';ignore_index是否重新生成索引;新索引为0,1,……,key自定义排序方法;sort_remainingsort_index方法独有的参数;目前作用还不太明白为了方便说明,先创建如下DataFrame变量: import pandas as pd data=pd.DataFrame([[1,33],[None,3],[45,97],[100,23]], columns=['col_1','col_2'], index=['A1','A2','B1','C2'])其结果如下: 顾名思义,sort_index可以将DataFrame按照索引的大小顺序重新排列。其用法如下: data_1=data.sort_index(ascending=False,ignore_index=True)其结果如下: 先将data按其索引的逆序排序重新进行排列,逆序排列后的索引顺序为:C2->B1->A2->A1,并抛弃原有的索引(因为设置了ignore_index参数)即可得到上述结果。 1.2 sort_values用法同样,sort_values可以将DataFrame按指定值的大小顺序重新排列,其用法如下: data_2=data.sort_values(by='col_2',ascending=False,na_position='first',axis=0) #按对应值与7运算余数大小来排列 data_3=data.sort_values(by='col_2',,ascending=False,key=lambda x:x%7)其结果如下: 这里有以下几点需要说明: data_2中的na_position指定的是排序列(本例中为col_2)中的空值对应的数据的存放位置,对其他列中的空值不施加任何影响;data_3的排序结果说明:col_2列中的每个值进行key中指定的操作得到:key(97)=6, key(33)=5, key(3)=3, key(23)=2。然后按照这个大小顺序进行排列。要注意自定义排序方法key中匿名函数的写法。该匿名函数中x对应的是DataFrame中指定排序列中的每一个具体元素,比如97,33等; 2 其他参数用法第1部分介绍了sort_index和sort_values的主要参数及其常规用法。这一部分主要介绍其他参数的用法。 2.1 level:使用某一层级的索引来排序当DataFrame中的索引为复合索引(MultiIndex)时,需要按照某个指定层级的索引对DataFrame进行排序时,可以通过设置level来实现。先使用如下代码修改data的索引: data.index=pd.MultiIndex.from_product([['A1','A2'],['B1','B2']],names=['idx_1','idx_2'])修改后的data结果如下: 当需要使用idx_2对应的索引对DataFrame进行排序时,可以使用参数level。具体如下: data_4=data.sort_index(level=1) #也可以写作level='idx_2'data_4结果如下: 为了方便后续说明,先构建如下数据: import pandas as pd import numpy as np data=pd.DataFrame(np.random.randint(10,100,size=(6,6)), columns=pd.MultiIndex.from_product([['col_1','col_2'],['C1','C2','C3']], names=['L_CF','L_CS']), index=pd.MultiIndex.from_product([['idx_1','idx_2'],['R1','R2','R3']], names=['L_IF','L_IS']))data结果如下: 当set_index中的参数axis=1时,可以将DataFrame中的列按照其列名的大小顺序重新进行排列。具体如下: data_5=data.sort_index(axis=1,ascending=False,level=1)其结果如下(图中红框中的即为进行排序操作的值,level=1): set_values方法中的axis情况需要分别讨论。具体如下: axis=0中可以将DataFrame按索引的大小顺序重新对数据进行排列。 data_6=data.sort_values(axis=0,by='L_IS',ascending=False)其结果如下: 其结果如下(此时by中要写入排序行的索引): 关于set_index和sort_values中的axis轴参数引发的一些思考,总结如下: 关于index:以前关于DataFrame中的index只是片面地认为就是行索引,但是DataFrame的列名也可以被称为索引。比如data的定义中其二级列明的定义使用的仍然时pd.MultiIndex方法。同样,对于value也是类似。 |
CopyRight 2018-2019 实验室设备网 版权所有 |