如何對熊貓數據框的每一行進行排序並根據行的排序值返回列索引

Question

我正在嘗試對熊貓數據框的每一行進行排序，並獲取新數據框中排序值的索引。 我可以用很慢的方式做。 誰能為此建議使用並行化或矢量化代碼進行改進。 我在下面發布了一個示例。

data_url =' https: //raw.githubusercontent.com/resbaz/r-novice-gapminder-files/master/data/gapminder-FiveYearData.csv'

# read data from url as pandas dataframe
gapminder = pd.read_csv(data_url)

# drop categorical column
gapminder.drop(['country', 'continent'], axis=1, inplace=True) 

# print the first three rows
print(gapminder.head(n=3))

   year         pop  lifeExp   gdpPercap
0  1952   8425333.0   28.801  779.445314
1  1957   9240934.0   30.332  820.853030
2  1962  10267083.0   31.997  853.100710

我正在尋找的結果是這個

tag_0   tag_1   tag_2   tag_3
0   pop year    gdpPercap   lifeExp
1   pop year    gdpPercap   lifeExp
2   pop year    gdpPercap   lifeExp

在這種情況下，由於pop始終高於gdpPercap和lifeExp ，因此它始終排在第一位。

通過使用以下代碼，我可以實現所需的輸出。 但是，如果df有很多行/列，則計算會花費更長的時間。

誰能建議對此進行改進

def sort_df(df):
    sorted_tags = pd.DataFrame(index = df.index, columns = ['tag_{}'.format(i) for i in range(df.shape[1])])
    for i in range(df.shape[0]):
        sorted_tags.iloc[i,:] = list( df.iloc[i, :].sort_values(ascending=False).index)
    return sorted_tags

sort_df(gapminder)

Answer 1

這可能和numpy一樣快：

def sort_df(df):
    return pd.DataFrame(
        data=df.columns.values[np.argsort(-df.values, axis=1)],
        columns=['tag_{}'.format(i) for i in range(df.shape[1])]
    )

print(sort_df(gapminder.head(3)))

  tag_0 tag_1      tag_2    tag_3
0   pop  year  gdpPercap  lifeExp
1   pop  year  gdpPercap  lifeExp
2   pop  year  gdpPercap  lifeExp

說明： np.argsort沿行對值進行排序，但返回對數組進行排序的索引，而不是對數組進行排序的索引。 減號按降序排列。 在您的情況下，您可以使用索引對列進行排序。 numpy廣播負責返回正確的形狀。

對於您的示例，運行時間約為3毫秒，而函數運行時約為2.5毫秒。