pandas 4 - 排序( tcy)

排序 2018/12/1 2018/12/15

分类：按索引标签排序，按列值排序，以及两者的组合排序

1.1 序列按值，索引排序：

s=pd.Series(np.arange(4),index=list('dabc'))s.sort_values()              # 按值排序
s.sort_index(ascending=True) # 按行或列索引排序

1.2序列多索引排序：

arrays = [np.array(['d4', 'd4', 'b2', 'b2','c3', 'c3', 'a1', 'a1']),
np.array(['ss2', 'ss1', 'ss2', 'ss1','ss2', 'ss1', 'ss2', 'ss1'])]
s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8], index=arrays)s.sort_index(level=1)                      #指定要排序的索引级别
s.sort_index(level=1, sort_remaining=False)#按级别排序时，不按剩余级别排序# s            # 输出：        # 输出：
# d4 ss2 1     # a1 ss1 8     # d4 ss1 2
#    ss1 2     # b2 ss1 4     # b2 ss1 4
# b2 ss2 3     # c3 ss1 6     # c3 ss1 6
#    ss1 4     # d4 ss1 2     # a1 ss1 8
# c3 ss2 5     # a1 ss2 7     # d4 ss2 1
#    ss1 6     # b2 ss2 3     # b2 ss2 3
# a1 ss2 7     # c3 ss2 5     # c3 ss2 5
#    ss1 8     # d4 ss2 1     # a1 ss2 7
# dtype: int64 # dtype: int64 # dtype: int64

2.1数据帧按值排序：

df1 = pd.DataFrame({'A1':[2,1,1,1],'A2':[1,3,2,4],'A3':[5,4,3,2]})
df1[['A1', 'A2', 'A3']].sort_values(by=['A1','A2']) #值按列排序
df1.sort_values(by=3,axis=1)                        #值按行排序df = pd.DataFrame({'A1' : ['a', 'a', 'b', np.nan, 'd', 'c'],#不能够按行值排序'A2' : [2, 1, 9, 8, 7, 4],'A3': [0, 1, 9, 4, 2, 3]})df.sort_values(by=['A1', 'A2'])          #按A1A2列值排序
df.sort_values(by='A1', ascending=False) #按A1列值排序降序# df          #输出         #输出
#   A1  A2 A3 #   A1  A2 A3 #   A1  A2 A3
# 0 a   2  0  # 1 a   1  1  # 4 D   7  2
# 1 a   1  1  # 0 a   2  0  # 5 C   4  3
# 2 b   9  9  # 2 b   9  9  # 2 B   9  9
# 3 NaN 8  4  # 5 c   4  3  # 0 A   2  0
# 4 d   7  2  # 4 d   7  2  # 1 A   1  1
# 5 c   4  3  # 3 NaN 8  4  # 3 NaN 8  4

2.2数据帧按索引排序：

df=pd.DataFrame(np.arange(8).reshape(2,4),index=['a','b'],columns=list('DABC'))df.sort_index(axis=0,ascending=True)# 按行标签排序
df.sort_index(axis=1,ascending=True)# 按列标签排序
df.reindex(index=['a', 'b', 'c'], columns=['A', 'B', 'E'])

2.3按索引和值排序：

# 作为by参数可以引用列或索引级别名称。
idx = pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('a', 2), ('b', 2), ('b', 1), ('b', 1)])
idx.names = ['first', 'second']
df = pd.DataFrame({'A': np.arange(6, 0, -1)},index=idx)df.sort_values(by=['second', 'A'])#按'second'（索引）和'A'（列）排序# df           #df.sort_values#              A  #              A
# first second    # first second
# a     1      6  # b     1      1
#       2      5  #       1      2
#       2      4  # a     1      6
# b     2      3  # b     2      3
#       1      2  # a     2      4
#       1      1  #       2      5

3.searchsorted()# 1D 查找应该插入元素以维持顺序的索引

s.searchsorted(value, side='left', sorter=None)#查找应该插入元素以维持顺序的索引
s = pd.Series([10,12,13,15])s.searchsorted([10, 13]) # array([0, 2]) <=10都为0
s.searchsorted([10, 14]) # array([0, 3]) >13 and <=15都为3s.searchsorted([11, 13], side='right') # array([1, 3])
s.searchsorted([11, 13], side='left')  # array([1, 2], dtype=int64)s = pd.Series([3, 1, 2])
s.searchsorted([0, 3], sorter=np.argsort(s)) # array([0, 2])

4.最小/最大值索引nsmallest()和nlargest() # 快于head(n)

实例1：-Series s = pd.Series([4,2,3,5,6,0,1])
s.sort_values()# 0...6
s.nsmallest(3) # 0 1 2
s.nlargest(3) # 6 5 4

实例2：-DataFrame df = pd.DataFrame({'a': [-2, -1, 1, 10, 8, 11, -1], 'b': list('abdceff'),
'c': [1.0, 2.0, 4.0, 3.2, np.nan, 3.0, 4.0]})df.nlargest(3, 'a') , df.nlargest(3, ['a', 'c'])
df.nsmallest(3, 'a'),df.nsmallest(3, ['a', 'c'])# a b c # a b c
# 0 -2 a 1.0 # 0 -2 a 1.0
# 1 -1 b 2.0 # 1 -1 b 2.0
# 6 -1 f 4.0 # 6 -1 f 4.0

5.rank()返回从小到大排序的下标

s = pd.Series([7,-5,7,4,2,0,4])
s.rank(method='first')#根据值在原数据中出现的顺序排名df=pd.Datadf({'b':[5,7,-3,2],'a':[0,1,0,1],'c':[-2,5,8,-3]})
df.rank(axis=0) #指定要进行排序的轴

备注：

obj.sort_values(axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')#按值排序
obj.sort_index(axis=0, level=None, ascending=True, inplace=False,kind='quicksort', na_position='last', sort_remaining=True) #按索引标签排序
# 参数：
# axis=0     #轴直接排序。对于系列来说，这只能是0。
# level：int #对指定索引级别的值进行排序。
# ascending=true #默认按升序排序。
# inplace=False  #为True则就地执行操作。
# kind：       {'quicksort'，'mergesort'，'heapsort'}选择排序算法
# na_position：{'first'，'last'} #将NaN放在开头或最后。
# sort_remaining=True            #按级别排序，是否按剩余级别排序

pandas 4 - 排序( tcy)相关推荐

python pandas DataFrame 排序
python pandas DataFrame 排序 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期': ['2021-7 ...
【Python】Pandas数据排序实现
公众号:尤而小屋作者:Peter 编辑:Peter 在以前的一篇文章图解Pandas的排序机制sort_values 详细介绍了如何使用pandas的内置函数sort_values来实现数 ...
Pandas数据排序，人人都能学会的几种方法
来源:Python数据之道 (ID:PyDataLab) 作者:阳哥 Pandas 可以说是在Python数据科学领域应用最为广泛的工具之一. Pandas是一种高效的数据处理库,它以 datafr ...
Pandas知识点-排序操作
Pandas知识点-排序操作数据处理过程中,经常需要对数据进行排序,使数据按指定的顺序排列(升序或降序). 在Pandas中,排序功能已经实现好了,我们只需要调用对应的方法即可. 本文使用的数据来源 ...
【Python】一文搞懂Pandas数据排序
数据排序,是使用非常高频的功能,Pandas排序支持做的非常好,主要涉及两个函数,两种数据类型,组合起来四种情况. Series排序 Series.sort_index 索引排序 Series.sor ...
Pandas数据排序——【按索引排序sort_index()方法、按值排序sort_value()方法】
文章目录按索引排序--sort_index() 对Series排序对DataFrame排序按值排序--sort_value() 对Series进行排序对DataFrame进行排序按索引排序- ...
python pandas excel 排序_Pandas 按组汇总和列排序 - python
给定以下数据框 In [31]: rand = np.random.RandomState(1) df = pd.DataFrame({'A': ['foo', 'bar', 'baz'] * 2, ...
python dataframe排序_python – Pandas DataFrame排序忽略了这种情况
我在 Python中有一个Pandas数据帧.数据帧的内容来自 here.我稍微修改了"单个"列中第一个字母的大小写.这是我有的: import pandas as pd df = ...
python pandas excel 排序_Python pandas对excel的操作实现示例
最近经常看到各平台里都有Python的广告,都是对excel的操作,这里明哥收集整理了一下pandas对excel的操作方法和使用过程.本篇介绍 pandas 的 DataFrame 对列 (Colu ...

pandas 4 - 排序( tcy)

pandas 4 - 排序( tcy)相关推荐

最新文章

热门文章