Jak posortować ramkę danych w pandach python według dwóch lub więcej kolumn?

Odpowiedzi:

454

W wersji 0.17.0 sortmetoda była przestarzała na korzyść sort_values. sortzostał całkowicie usunięty w wersji 0.20.0. Argumenty (i wyniki) pozostają takie same:

df.sort_values(['a', 'b'], ascending=[True, False])

Możesz użyć argumentu rosnącego sort:

df.sort(['a', 'b'], ascending=[True, False])

Na przykład:

In [11]: df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])

In [12]: df1.sort(['a', 'b'], ascending=[True, False])
Out[12]:
   a  b
2  1  4
7  1  3
1  1  2
3  1  2
4  3  2
6  4  4
0  4  3
9  4  3
5  4  1
8  4  1

Skomentowane przez @renadeen

Sortowanie domyślnie nie jest dostępne! Powinieneś więc przypisać wynik metody sortowania do zmiennej lub dodać inplace = True do wywołania metody.

to znaczy, jeśli chcesz ponownie użyć df1 jako posortowanej DataFrame:

df1 = df1.sort(['a', 'b'], ascending=[True, False])

lub

df1.sort(['a', 'b'], ascending=[True, False], inplace=True)
Andy Hayden
źródło
6
Sortowanie domyślnie nie jest dostępne! Powinieneś więc przypisać wynik sortmetody do zmiennej lub dodać inplace=Truedo wywołania metody.
renadeen
2
@renadeen bardzo dobry punkt, zaktualizowałem przez odpowiedź z tym komentarzem.
Andy Hayden,
1
Byłem zaskoczony, gdy dowiedziałem się, że ten rodzaj jest przestarzały! W oparciu o niektóre opinie w tym poście z meta: meta.stackoverflow.com/questions/297404/ ... Postanowiłem dodać nową odpowiedź, a nie podjąć próbę jej edycji
Kyle Heuton
2
@ Snoozer Tak, nie sądzę, żeby sort kiedykolwiek odszedł (głównie, ponieważ jest szeroko stosowany w książce Wesa), ale zaszły pewne duże zmiany w sortowaniu połączeń . Dzięki! .. Naprawdę muszę zautomatyzować przeglądanie wszystkich moich 1000 odpowiedzi na pandy w celu wycofania!
Andy Hayden
40

Począwszy od pand 0.17.0, DataFrame.sort()jest przestarzały i ustawiony do usunięcia w przyszłej wersji pand. Sposób sortowania ramki danych według jej wartości jest terazDataFrame.sort_values

Jako taka, odpowiedź na twoje pytanie byłaby teraz

df.sort_values(['b', 'c'], ascending=[True, False], inplace=True)
Kyle Heuton
źródło
4

W przypadku dużych ramek danych danych liczbowych można zauważyć znaczną poprawę wydajności numpy.lexsort, która wykonuje sortowanie pośrednie przy użyciu sekwencji kluczy:

import pandas as pd
import numpy as np

np.random.seed(0)

df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])
df1 = pd.concat([df1]*100000)

def pdsort(df1):
    return df1.sort_values(['a', 'b'], ascending=[True, False])

def lex(df1):
    arr = df1.values
    return pd.DataFrame(arr[np.lexsort((-arr[:, 1], arr[:, 0]))])

assert (pdsort(df1).values == lex(df1).values).all()

%timeit pdsort(df1)  # 193 ms per loop
%timeit lex(df1)     # 143 ms per loop

Jedną ze szczególnych cech jest numpy.lexsortodwrócenie zdefiniowanej kolejności sortowania : najpierw (-'b', 'a')sortuje według serii a. Negujemy serię, baby odzwierciedlić chcemy, aby ta seria była w kolejności malejącej.

Pamiętaj, że np.lexsortsortuje tylko wartości liczbowe, podczas gdy pd.DataFrame.sort_valuesdziała z wartościami ciągowymi lub numerycznymi. Korzystanie np.lexsortz ciągów da: TypeError: bad operand type for unary -: 'str'.

jpp
źródło