Obiekt „DataFrame” nie ma atrybutu „sort”

103

Mam tu jakiś problem, w moim pakiecie Pythona zainstalowałem numpy, ale nadal mam ten błąd Obiekt „DataFrame” nie ma atrybutu „sort”

Każdy może dać mi jakiś pomysł ..

To jest mój kod:

final.loc[-1] =['', 'P','Actual']
final.index = final.index + 1  # shifting index
final = final.sort()
final.columns=[final.columns,final.iloc[0]]
final = final.iloc[1:].reset_index(drop=True)
final.columns.names = (None, None)
python pandas numpy dataframe Shi Jie Tio
źródło

Odpowiedzi:

223

sort() został wycofany dla DataFrames na korzyść:

sort()został wycofany (ale nadal dostępny) w Pandas w wersji 0.17 (2015-10-09) wraz z wprowadzeniem sort_values()i sort_index(). Został usunięty z Pand w wersji 0.20 (2017-05-05).

Brad Solomon
źródło
15

Sortowanie pand 101

sortzostał zastąpiony w wersji 0.20 przez DataFrame.sort_valuesi DataFrame.sort_index. Oprócz tego mamy też argsort.

Oto kilka typowych przypadków użycia w sortowaniu i jak je rozwiązać za pomocą funkcji sortowania w bieżącym API. Najpierw konfiguracja.

# Setup
np.random.seed(0)
df = pd.DataFrame({'A': list('accab'), 'B': np.random.choice(10, 5)})    
df                                                                                                                                        
   A  B
0  a  7
1  c  9
2  c  3
3  a  5
4  b  2

Sortuj według pojedynczej kolumny

Na przykład, aby posortować dfwedług kolumny „A”, użyj sort_valuesz jedną nazwą kolumny:

df.sort_values(by='A')

   A  B
0  a  7
3  a  5
4  b  2
1  c  9
2  c  3

Jeśli potrzebujesz nowego RangeIndex, użyj DataFrame.reset_index .

Sortuj według wielu kolumn

Na przykład, aby posortować według obu kolumn „A” i „B” w df, możesz przekazać listę do sort_values:

df.sort_values(by=['A', 'B'])

   A  B
3  a  5
0  a  7
4  b  2
2  c  3
1  c  9

Sortuj według indeksu DataFrame

df2 = df.sample(frac=1)
df2

   A  B
1  c  9
0  a  7
2  c  3
3  a  5
4  b  2

Możesz to zrobić za pomocą sort_index:

df2.sort_index()

   A  B
0  a  7
1  c  9
2  c  3
3  a  5
4  b  2

df.equals(df2)                                                                                                                            
# False
df.equals(df2.sort_index())                                                                                                               
# True

Oto kilka porównywalnych metod z ich wydajnością:

%timeit df2.sort_index()                                                                                                                  
%timeit df2.iloc[df2.index.argsort()]                                                                                                     
%timeit df2.reindex(np.sort(df2.index))                                                                                                   

605 µs ± 13.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
610 µs ± 24.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
581 µs ± 7.63 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Sortuj według listy indeksów

Na przykład,

idx = df2.index.argsort()
idx
# array([0, 7, 2, 3, 9, 4, 5, 6, 8, 1])

Ten problem „sortowania” jest w rzeczywistości prostym problemem związanym z indeksowaniem. Wystarczy przekazać etykiety liczb całkowitych do iloc.

df.iloc[idx]

   A  B
1  c  9
0  a  7
2  c  3
3  a  5
4  b  2
cs95
źródło