对熊猫数据框中每一行进行排序的最快方法

Question

我需要找到对包含数百万行和大约一百列的数据框中的每一行进行排序的最快方法。

所以像这样：

A   B   C   D
3   4   8   1
9   2   7   2

需要变成：

A   B   C   D
8   4   3   1
9   7   2   2

现在我正在对每一行应用排序并逐行构建一个新的数据框。 我还对每一行做一些额外的、不太重要的事情（因此我使用熊猫而不是 numpy）。 是否可以更快地创建一个列表列表，然后立即构建新的数据框？ 还是我需要去cython？

Answer 1

我想我会在 numpy 中做到这一点：

In [11]: a = df.values

In [12]: a.sort(axis=1)  # no ascending argument

In [13]: a = a[:, ::-1]  # so reverse

In [14]: a
Out[14]:
array([[8, 4, 3, 1],
       [9, 7, 2, 2]])

In [15]: pd.DataFrame(a, df.index, df.columns)
Out[15]:
   A  B  C  D
0  8  4  3  1
1  9  7  2  2

---

我原以为这可能有效，但它对列进行了排序：

In [21]: df.sort(axis=1, ascending=False)
Out[21]:
   D  C  B  A
0  1  8  4  3
1  2  7  2  9

啊，熊猫提出：

In [22]: df.sort(df.columns, axis=1, ascending=False)

ValueError：按列排序时，轴必须为 0（行）

Answer 2

添加到@Andy-Hayden 给出的答案中，对整个框架执行此操作......不太确定为什么会这样，但确实如此。 似乎没有控制顺序。

    In [97]: A = pd.DataFrame(np.random.randint(0,100,(4,5)), columns=['one','two','three','four','five'])

    In [98]: A
    Out[98]: 
    one  two  three  four  five
    0   22   63     72    46    49
    1   43   30     69    33    25
    2   93   24     21    56    39
    3    3   57     52    11    74

    In [99]: A.values.sort
    Out[99]: <function ndarray.sort>

    In [100]: A
    Out[100]: 
    one  two  three  four  five
    0   22   63     72    46    49
    1   43   30     69    33    25
    2   93   24     21    56    39
    3    3   57     52    11    74

    In [101]: A.values.sort()

    In [102]: A
    Out[102]: 
    one  two  three  four  five
    0   22   46     49    63    72
    1   25   30     33    43    69
    2   21   24     39    56    93
    3    3   11     52    57    74
    In [103]: A = A.iloc[:,::-1]

    In [104]: A
    Out[104]: 
    five  four  three  two  one
    0    72    63     49   46   22
    1    69    43     33   30   25
    2    93    56     39   24   21
    3    74    57     52   11    3

我希望有人能解释为什么会这样，很高兴它有效 8)

Answer 3

你可以使用 pd.apply。

Eg:

A = pd.DataFrame(np.random.randint(0,100,(4,5)), columns=['one','two','three','four','five']) 
print (A)

   one  two  three  four  five
0    2   75     44    53    46
1   18   51     73    80    66
2   35   91     86    44    25
3   60   97     57    33    79

A = A.apply(np.sort, axis = 1) 
print(A)

   one  two  three  four  five
0    2   44     46    53    75
1   18   51     66    73    80
2   25   35     44    86    91
3   33   57     60    79    97

由于您希望按降序排列，您可以简单地将数据帧与 -1 相乘并对其进行排序。

A = pd.DataFrame(np.random.randint(0,100,(4,5)), columns=['one','two','three','four','five'])
A = A * -1
A = A.apply(np.sort, axis = 1)
A = A * -1

Answer 4

不使用pd.DataFrame构造函数，将排序后的值赋值回的更简单方法是使用双括号：

原始数据框：

A   B   C   D
3   4   8   1
9   2   7   2

df[['A', 'B', 'C', 'D']] = np.sort(df)[:, ::-1]

   A  B  C  D
0  8  4  3  1
1  9  7  2  2

通过这种方式，您还可以对部分列进行排序：

df[['B', 'C']] = np.sort(df[['B', 'C']])[:, ::-1]

   A  B  C  D
0  3  8  4  1
1  9  7  2  2

Answer 5

可以尝试这种方法来保持 df 的完整性：

import pandas as pd 
import numpy as np

A = pd.DataFrame(np.random.randint(0,100,(4,5)), columns=['one','two','three','four','five']) 
print (A) 
print(type(A))

   one  two  three  four  five
0   85   27     64    50    55
1    3   90     65    22     8
2    0    7     64    66    82
3   58   21     42    27    30
<class 'pandas.core.frame.DataFrame'>

B = A.apply(lambda x: np.sort(x), axis=1, raw=True) 
print(B) 
print(type(B))

   one  two  three  four  five
0   27   50     55    64    85
1    3    8     22    65    90
2    0    7     64    66    82
3   21   27     30    42    58
<class 'pandas.core.frame.DataFrame'>