Сортировка Pandas

У Pandas есть два способа сортировки:

По метке По фактическому значению

Давайте рассмотрим следующий пример.

　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)

Результат выполнения:

　　　　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

В unsorted_df метки и значения не отсортированы. Давайте посмотрим, как их отсортировать.

Сортировка по меткам

Используя метод sort_index(), передавая параметр оси и порядок сортировки, можно отсортировать DataFrame. По умолчанию, строки сортируются по возрастанию.

　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)

Результат выполнения:

　　　　　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

Порядок сортировки

Через передачу булевых значений в параметр сортировки по возрастанию, можно контролировать порядок сортировки. Давайте рассмотрим следующий пример, чтобы понять такую же ситуацию.

　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)

Результат выполнения:

　　　　　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

Сортировка по строкам

С помощью передачи параметра оси 0 или 1 можно сортировать по меткам столбца. По умолчанию, axis = 0 сортирует по строкам. Давайте рассмотрим следующий пример, чтобы понять ситуацию.

　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)

Результат выполнения:

　　　　　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

Сортировка по значению

Аналогично индексной сортировке, sort_values() — это метод сортировки по значению. Он принимает параметр «by», который указывает на имя столбца DataFrame, по которому нужно сортировать значения.

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)

Результат выполнения:

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

Обратите внимание, что значения col1 уже отсортированы, и соответствующие значения col2 и индекс строки будут изменены вместе с col1. Поэтому они кажутся не сгруппированными.

'by' Параметр принимает список значений столбца.

　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)

Результат выполнения:

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

Алгоритм сортировки

sort_values() Предоставляется возможность выбрать алгоритм из mergesort, heapsort и quicksort. Mergesort - это единственный стабильный алгоритм.

　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)

Результат выполнения:

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