Python Pandas 排序

Python Pandas 排序

在Pandas中,有两种可用的排序方式。它们是 –

  • 按标签
  • 按实际值

让我们考虑一个有输出的例子。

import pandas as pd
import numpy as np

unsorted_df=pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],colu
mns=['col2','col1'])
print unsorted_df

输出结果 如下 –

        col2       col1
1  -2.063177   0.537527
4   0.142932  -0.684884
6   0.012667  -0.389340
2  -0.548797   1.848743
3  -1.044160   0.837381
5   0.385605   1.300185
9   1.031425  -1.002967
8  -0.407374  -0.435142
0   2.237453  -1.067139
7  -1.445831  -1.701035

unsorted_df 中, 标签 都没有排序。让我们看看如何对这些进行排序。

通过标签

使用 sort_index() 方法,通过传递轴参数和排序的顺序,可以对DataFrame进行排序。默认情况下,排序是在行标签上以升序进行的。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],colu
   mns = ['col2','col1'])

sorted_df=unsorted_df.sort_index()
print sorted_df

输出结果 如下 –

        col2       col1
0   0.208464   0.627037
1   0.641004   0.331352
2  -0.038067  -0.464730
3  -0.638456  -0.021466
4   0.014646  -0.737438
5  -0.290761  -1.669827
6  -0.797303  -0.018737
7   0.525753   1.628921
8  -0.567031   0.775951
9   0.060724  -0.322425

排序的顺序

通过向升序参数传递布尔值,可以控制排序的顺序。让我们考虑下面的例子来理解这一点。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],colu
   mns = ['col2','col1'])

sorted_df = unsorted_df.sort_index(ascending=False)
print sorted_df

输出结果 如下 –

         col2        col1
9    0.825697    0.374463
8   -1.699509    0.510373
7   -0.581378    0.622958
6   -0.202951    0.954300
5   -1.289321   -1.551250
4    1.302561    0.851385
3   -0.157915   -0.388659
2   -1.222295    0.166609
1    0.584890   -0.291048
0    0.668444   -0.061294

对列进行排序

通过传递值为0或1的axis参数,可以对列标进行排序。默认情况下,axis=0,按行排序。让我们考虑下面的例子来理解这一点。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],colu
   mns = ['col2','col1'])

sorted_df=unsorted_df.sort_index(axis=1)

print sorted_df

输出结果 如下 –

         col1        col2
1   -0.291048    0.584890
4    0.851385    1.302561
6    0.954300   -0.202951
2    0.166609   -1.222295
3   -0.388659   -0.157915
5   -1.551250   -1.289321
9    0.374463    0.825697
8    0.510373   -1.699509
0   -0.061294    0.668444
7    0.622958   -0.581378

按值排序

和索引排序一样, sort_values() 是按值排序的方法。它接受一个’by’参数,该参数将使用数据框架的列名,这些值将被排序。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame({'col1':[2,1,1,1],'col2':[1,3,2,4]})
   sorted_df = unsorted_df.sort_values(by='col1')

print sorted_df

输出结果 如下 –

   col1  col2
1    1    3
2    1    2
3    1    4
0    2    1

观察一下,col1的值是被排序的,而相应的col2的值和行索引会随着col1的变化而变化。因此,它们看起来没有排序。

‘by’ 参数需要一个列值列表。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame({'col1':[2,1,1,1],'col2':[1,3,2,4]})
   sorted_df = unsorted_df.sort_values(by=['col1','col2'])

print sorted_df

输出结果 如下 –

  col1 col2
2   1   2
1   1   3
3   1   4
0   2   1

排序算法

sort_values() 提供了一个从mergesort、heapsort和quicksort中选择算法的规定。Mergesort是唯一稳定的算法。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame({'col1':[2,1,1,1],'col2':[1,3,2,4]})
sorted_df = unsorted_df.sort_values(by='col1' ,kind='mergesort')

print sorted_df

输出结果 如下 –

  col1 col2
1    1    3
2    1    2
3    1    4
0    2    1

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程