熊猫：分别对每一列进行排序

Question

我的数据框看起来像这样，只是大得多。

d = {'Col_1' : pd.Series(['A', 'B']),
 'Col_2' : pd.Series(['B', 'A', 'C']),
 'Col_3' : pd.Series(['B', 'A']),
 'Col_4' : pd.Series(['C', 'A', 'B', 'D']),
 'Col_5' : pd.Series(['A', 'C']),}
df = pd.DataFrame(d)

Col_1  Col_2  Col_3  Col_4  Col_5
  A      B      B      C      A
  B      A      A      A      C
  NaN    C      NaN    B      NaN
  NaN    NaN    NaN    D      NaN

首先，我试图分别对每一列进行排序。 我试过玩类似的东西： df.sort([lambda x: x in df.columns], axis=1, ascending=True, inplace=True)但是只以错误告终。 我如何单独对每一列进行排序以得到类似的结果：

Col_1  Col_2  Col_3  Col_4  Col_5
  A      A      A      A      A
  B      B      B      B      C
  NaN    C      NaN    C      NaN
  NaN    NaN    NaN    D      NaN

其次，我希望连接列中的行

 df = pd.concat([df,pd.DataFrame(df.sum(axis=0),columns=['Concatenation']).T])

在将 np.nan 替换为 '' 后，我可以将所有内容与上面的行结合起来，但结果是粉碎 ('AB') 在一起，并且需要额外的步骤来清理（变成类似于 'A:B' 的东西）。

Answer 1

这是一种方法：

>>> pandas.concat([df[col].order().reset_index(drop=True) for col in df], axis=1, ignore_index=True)
11:      0    1    2  3    4
0    A    A    A  A    A
1    B    B    B  B    C
2  NaN    C  NaN  C  NaN
3  NaN  NaN  NaN  D  NaN

[4 rows x 5 columns]

然而，你在做什么有点奇怪。 DataFrame 不仅仅是不相关列的集合。 在 DataFrame 中，每一行代表一条记录，因此一列中的值在语义上与同一行中其他列中的值相关联。 通过对列进行独立排序，您将丢弃此信息，因此行现在毫无意义。 这就是我的示例中需要reset_index的原因。 此外，因此，无法就地执行此操作，您的示例表明您想要这样做。

Answer 2

pandas.Series.order已弃用，因为 pandas=0.17。 相反，使用sort_values如下：

for col in df:
    df[col] = df[col].sort_values(ignore_index=True)

Answer 3

我不知道这是否更好，但这里有一些其他方法可以做到这一点。

 pd.DataFrame({key: sorted(value.values(), reverse=True) \
    for key, value in df.to_dict().iteritems()})

 pd.DataFrame({key: sorted(values, reverse=True) \
    for key, values in df.transpose().iterrows()})