使用sort_values（）獨立地對pandas DataFrame的所有列進行排序

Question

我有一個數據框，並希望以降序或升序獨立排序所有列。

import pandas as pd

data = {'a': [5, 2, 3, 6],
        'b': [7, 9, 1, 4],
        'c': [1, 5, 4, 2]}
df = pd.DataFrame.from_dict(data)
   a  b  c
0  5  7  1
1  2  9  5
2  3  1  4
3  6  4  2

當我為此使用sort_values（）時 ，它不能按預期工作（對我來說）並且只對一列進行排序：

foo = df.sort_values(by=['a', 'b', 'c'], ascending=[False, False, False])
   a  b  c
3  6  4  2
0  5  7  1
2  3  1  4
1  2  9  5

如果我使用這個應用lambda函數的答案的解決方案，我可以得到所需的結果：

bar = df.apply(lambda x: x.sort_values().values)
print(bar)

   a  b  c
0  2  1  1
1  3  4  2
2  5  7  4
3  6  9  5

但這對我來說看起來有點笨拙。

上面的sort_values（）示例中實際發生了什么，如何在沒有lambda函數的情況下以pandas方式對數據框中的所有列進行排序？

Answer 1

您可以將numpy.sort與DataFrame構造函數一起使用：

df1 = pd.DataFrame(np.sort(df.values, axis=0), index=df.index, columns=df.columns)
print (df1)
   a  b  c
0  2  1  1
1  3  4  2
2  5  7  4
3  6  9  5

編輯：

按降序回答：

arr = df.values
arr.sort(axis=0)
arr = arr[::-1]
print (arr)
[[6 9 5]
 [5 7 4]
 [3 4 2]
 [2 1 1]]

df1 = pd.DataFrame(arr, index=df.index, columns=df.columns)
print (df1)
   a  b  c
0  6  9  5
1  5  7  4
2  3  4  2
3  2  1  1

Answer 2

sort_values將按照傳遞給它的列順序對整個數據框進行排序。 在您的第一個示例中，您使用['a', 'b', 'c']對整個數據框進行排序。 這首先按'a'排序，然后按'b'排序，最后按'c'排序。

請注意，在按a排序后，行保持相同。 這是預期的結果。

使用lambda將每列傳sort_values它，這意味着sort_values將應用於單個列，這就是為什么第二種方法按預期對列進行排序的原因。 在這種情況下，行會改變。

如果你不想使用lambda或numpy你可以使用它：

pd.DataFrame({x: df[x].sort_values().values for x in df.columns.values})

輸出：

   a  b  c
0  2  1  1
1  3  4  2
2  5  7  4
3  6  9  5