[英]Combine columns and sort in Pandas
例如,假設我有一個包含第 1、2 和 3 列的表。第 1 列包含狗、貓、狗。 我想這樣組合第 2 列和第 3 列
chars = ['column2', 'column3']
csv['combined'] = csv[chars].apply(lambda row: ','.join(row.values.astype(str)), axis=1)
現在假設 column2 在第 1 行包含 a,在第 2 行包含 b,在第 3 行包含 c。假設 column3 在第 1 行包含 b,在第 2 行包含 c,在第 3 行包含 a。我想排序並讓第 1 行顯示up (a, b) 后跟第 3 行,也應該是 (a, c)。 即使我嘗試這樣的 sort_values,我也無法讓第 3 行中的 a 優先:
csv['combined'] = csv['combined'].sort_values()
最終我想按第 1 列分組,然后聚合。 最后我應該看到(dog, a,c), (dog, a,c), and (cat, b, c)
您想按升序對行進行排序。 在這種情況下,您可以嘗試np.sort
:
cols = ['column2','column3']
df[cols] = np.sort(df[cols], axis=1)
Output:
column1 column2 column3
0 dog a b
1 cat b c
2 dog a c
希望這會有所幫助,快樂編碼:)
df = pd.DataFrame(data=[['dog','a','b'],['cat','b','c']['dog','c','a']],columns=(['animal','column1','column2']))
print("Actual DataFrame \n")
print(df)
for i in range(len(df)):
if df.loc[i]['column1']>df.loc[i]['column2']:
tmp=df.loc[i]['column1']
df.loc[i]['column1'] =df.loc[i]['column2']
df.loc[i]['column2'] = tmp
print("\n Transformed DataFrame \n")
print(df.sort_values(by='animal',ascending=False))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.