pandas 4 - 排序( tcy)
发布日期:2021-06-29 14:47:58
浏览次数:2
分类:技术文章
本文共 4079 字,大约阅读时间需要 13 分钟。
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0s.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...6s.nsmallest(3) # 0 1 2s.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
转载地址:https://chunyou.blog.csdn.net/article/details/84684650 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
表示我来过!
[***.240.166.169]2024年04月20日 13时33分34秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
mysql数据库操作基础
2019-04-29
Mariadb基础管理
2019-04-29
awk 的内置变量 NF、NR、FNR、FS、OFS、RS、ORS
2019-04-29
CentOS系统内核升级攻略
2019-04-29
linux系统时区修改(Debian的主机和docker)
2019-04-29
docker-compose 安装
2019-04-29
crontab 定时任务
2019-04-29
查看docker veth pair与宿主机上网卡的对应关系
2019-04-29
使用 GitLab CI 进行持续集成的一些踩坑
2019-04-29
企业云盘给贸易业带来新的效益
2019-04-29
Linux入门常用命令
2019-04-29
Spring整理
2019-04-29
SpringMvc加强
2019-04-29
初识Vue全家桶 Nuxt.js(一)
2019-04-29
基本路由及动态路由(二)
2019-04-29
视图:默认模板+默认布局(自定义布局)+nuxt.js页面(三)
2019-04-29