如何從一列中排序 pandas dataframe

Question

我有一個這樣的數據框：

print(df)

        0          1     2
0   354.7      April   4.0
1    55.4     August   8.0
2   176.5   December  12.0
3    95.5   February   2.0
4    85.6    January   1.0
5     152       July   7.0
6   238.7       June   6.0
7   104.8      March   3.0
8   283.5        May   5.0
9   278.8   November  11.0
10  249.6    October  10.0
11  212.7  September   9.0

如您所見，月份不是按日歷順序排列的。 所以我創建了第二列來獲取與每個月 (1-12) 對應的月份編號。 從那里，我如何根據日歷月的順序對這個數據框進行排序？

Answer 1

使用sort_values按特定列的值對 df 進行排序：

In [18]:
df.sort_values('2')

Out[18]:
        0          1     2
4    85.6    January   1.0
3    95.5   February   2.0
7   104.8      March   3.0
0   354.7      April   4.0
8   283.5        May   5.0
6   238.7       June   6.0
5   152.0       July   7.0
1    55.4     August   8.0
11  212.7  September   9.0
10  249.6    October  10.0
9   278.8   November  11.0
2   176.5   December  12.0

如果要按兩列排序，請將列標簽列表傳遞給sort_values ，列標簽根據排序優先級排序。 如果您使用df.sort_values(['2', '0']) ，則結果將按2列然后按第0列排序。 誠然，這對於這個例子來說並沒有什么意義，因為df['2']中的每個值都是唯一的。

Answer 2

我嘗試了上面的解決方案，但沒有取得結果，所以我找到了一個適合我的不同解決方案。 ascending=False是對 dataframe 進行降序排序，默認為True 。 我正在使用 python 3.6.6 和 pandas 0.23.4 版本。

final_df = df.sort_values(by=['2'], ascending=False)

您可以在此處的 pandas 文檔中查看更多詳細信息。

Answer 3

使用列名對我有用。

sorted_df = df.sort_values(by=['Column_name'], ascending=True)

Answer 4

就像另一個解決方案一樣：

您可以對字符串數據（月份名稱）進行分類並按如下方式排序，而不是創建第二列：

df.rename(columns={1:'month'},inplace=True)
df['month'] = pd.Categorical(df['month'],categories=['December','November','October','September','August','July','June','May','April','March','February','January'],ordered=True)
df = df.sort_values('month',ascending=False)

它將按照您在創建Categorical object 時指定的month name為您提供排序數據。

Answer 5

Panda 的sort_values可以完成這項工作。

如果打算保持相同的變量名，請不要忘記inplace=True （這會就地執行操作）

df.sort_values(by=['2'], inplace=True)

不妨將更改（排序）分配給一個變量，該變量可能具有相同的名稱，例如df為

df = df.sort_values(by=['2'])

忘記上述步驟可能會導致（作為此用戶）無法獲得預期的結果。

請注意，如果要按降序排列，則需要傳遞ascending=False ，例如

df = df.sort_values(by=['2'], ascending=False)

Answer 6

只是在數據上添加更多操作。 假設我們有一個 dataframe df ，我們可以做幾個操作來獲得想要的輸出

ID         cost      tax    label
1       216590      1600    test      
2       523213      1800    test 
3          250      1500    experiment

(df['label'].value_counts().to_frame().reset_index()).sort_values('label', ascending=False)

將sorted output 標簽作為dataframe

    index   label
0   test        2
1   experiment  1

Answer 7

這對我有用

df.sort_values(by='Column_name', inplace=True, ascending=False)

Answer 8

您可能需要在排序后重置索引：

df = df.sort_values('2')
df = df.reset_index(drop=True)

Answer 9

這是根據 pandas 文檔的 sort_values 模板。

DataFrame.sort_values(by, axis=0,
                          ascending=True,
                          inplace=False,
                          kind='quicksort',
                          na_position='last',
                          ignore_index=False, key=None)[source]

在這種情況下，它將是這樣的。

df.sort_values(by=['2'])

API 參考pandas.DataFrame.sort_values

Answer 10

如果您想對列進行動態排序而不是按字母順序排序。 並且不想使用 pd.sort_values()。 您可以嘗試以下解決方案。

問題：按此序列 ['A', 'C', 'D', 'B'] 對列“col1”進行排序

import pandas as pd
import numpy as np

## Sample DataFrame ##
df = pd.DataFrame({'col1': ['A', 'B', 'D', 'C', 'A']})

>>> df
   col1
0    A
1    B
2    D
3    C
4    A
## Solution ##

conditions = []
values = []

for i,j in enumerate(['A','C','D','B']):
    conditions.append((df['col1'] == j))
    values.append(i)

df['col1_Num'] = np.select(conditions, values)

df.sort_values(by='col1_Num',inplace = True)

>>> df

    col1  col1_Num
0    A         0
4    A         0
3    C         1
2    D         2
1    B         3

Answer 11

只需添加更多見解

df=raw_df['2'].sort_values() # will sort only one column (i.e 2)

但，

df =raw_df.sort_values(by=["2"] , ascending = False)  # this  will sort the whole df in decending order on the basis of the column "2"

Answer 12

這個對我有用：

df=df.sort_values(by=[2])

然而：

df=df.sort_values(by=['2']) 

不管用。

Answer 13

示例：假設您有一個值為 1 和 0 的列，並且您想分離並只使用一個值，那么：

// furniture is one of the columns in the csv file.
 

allrooms = data.groupby('furniture')['furniture'].agg('count')
allrooms


myrooms1 = pan.DataFrame(allrooms, columns = ['furniture'], index = [1])

myrooms2 = pan.DataFrame(allrooms, columns = ['furniture'], index = [0])

print(myrooms1);print(myrooms2)