Pandas 使用groupby和conditions对数据帧进行排序
我试图根据满足条件的组对数据帧进行排序 我在对组进行排序时遇到语法错误。 在尝试上述操作之前,我丢失了数据帧的初始顺序 这是我试图实现的排序顺序: 1) 对第一列和测试列进行排序 2) Test==1组,按次列排序,然后按最后一列排序 ---Test==0组,仅按最后一列排序Pandas 使用groupby和conditions对数据帧进行排序,pandas,pandas-groupby,Pandas,Pandas Groupby,我试图根据满足条件的组对数据帧进行排序 我在对组进行排序时遇到语法错误。 在尝试上述操作之前,我丢失了数据帧的初始顺序 这是我试图实现的排序顺序: 1) 对第一列和测试列进行排序 2) Test==1组,按次列排序,然后按最后一列排序 ---Test==0组,仅按最后一列排序 import pandas as pd df=pd.DataFrame({"First":[100,100,100,100,100,100,200,200,200,200,200],"Test":[1,1,1,0,0,0
import pandas as pd
df=pd.DataFrame({"First":[100,100,100,100,100,100,200,200,200,200,200],"Test":[1,1,1,0,0,0,0,1,1,1,0],"Secondary":[.1,.1,.1,.2,.2,.3,.3,.3,.3,.4,.4],"Final":[1.1,2.2,3.3,4.4,5.5,6.6,7.7,8.8,9.9,10.10,11.11]})
def sorter(x):
if x["Test"]==1:
x.sort_values(['Secondary','Final'], inplace=True)
else:
x=x.sort_values('Final', inplace=True)
df=df.sort_values(["First","Test"],ascending=[False, False]).reset_index(drop=True)
df.groupby(['First','Test']).apply(lambda x: sorter(x))
df
您可以尝试在没有groupby的情况下按降序排序, w、 你给的r.t序列,排序顺序会改变。对你有用吗
df=pd.DataFrame({"First":[100,100,100,100,100,100,200,200,200,200,200],"Test":[1,1,1,0,0,0,0,1,1,1,0],"Secondary":[.1,.5,.1,.9,.4,.1,.3,.3,.3,.4,.4],"Final":[1.1,2.2,3.3,4.4,5.5,6.6,7.7,8.8,9.9,10.10,11.11]})
df = df.groupby(['First','Test']).apply(lambda x: x.sort_values(['First','Test','Secondary','Final'],ascending=False) if x.iloc[0]['Test']==1 else x.sort_values(['First','Test','Final'],ascending=False)).reset_index(drop=True)
df.sort_values(['First','Test'],ascending=[True,False])
输出:
诀窍是分别对子集进行排序,并替换原始df中的值。 这在熊猫排序问题的其他解决方案中出现
import pandas as pd
df=pd.DataFrame({"First":[100,100,100,100,100,100,200,200,200,200,200],"Test":[1,1,1,0,0,0,0,1,1,1,0],"Secondary":[.1,.5,.1,.9,.4,.1,.3,.3,.3,.4,.4],"Final":[1.1,2.2,3.3,4.4,5.5,6.6,7.7,8.8,9.9,10.10,11.11]})
df.sort_values(['First','Test','Secondary','Final'],ascending=False, inplace=True)
index_subset=df[df["Test"]==0].index
sorted_subset=df[df["Test"]==0].sort_values(['First','Final'],ascending=False)
df.loc[index_subset,:]=sorted_subset.values
print(df)
测试中除了一个值之外,还有其他值吗?如果不是的话,我认为下面的答案应该行得通。我在代码中尝试使用不同的方法的原因是,第二列应该在Test==1时起作用,而在Test==0时应该忽略。该解决方案不适用于稍微修改过的数据帧df=pd.DataFrame({“第一”:[100100200200],“测试”:[1,1,1,0,0,0,0,1,1,1,1,1,1,0,0],“第二”:[1,5,1,1,9,4,1,3,3,3,3,3,3,4],“最终”:[1.1,2.2,3,4,5.5,6,7.7,8.8,9,10.10,11]),有没有办法修改代码以避免语法错误?谢谢@Kdog,我刚刚合并了更改:-)
Final First Secondary Test
3 2.20 100 0.5 1
4 3.30 100 0.1 1
5 1.10 100 0.1 1
0 6.60 100 0.1 0
1 5.50 100 0.4 0
2 4.40 100 0.9 0
8 10.10 200 0.4 1
9 9.90 200 0.3 1
10 8.80 200 0.3 1
6 11.11 200 0.4 0
7 7.70 200 0.3 0
import pandas as pd
df=pd.DataFrame({"First":[100,100,100,100,100,100,200,200,200,200,200],"Test":[1,1,1,0,0,0,0,1,1,1,0],"Secondary":[.1,.5,.1,.9,.4,.1,.3,.3,.3,.4,.4],"Final":[1.1,2.2,3.3,4.4,5.5,6.6,7.7,8.8,9.9,10.10,11.11]})
df.sort_values(['First','Test','Secondary','Final'],ascending=False, inplace=True)
index_subset=df[df["Test"]==0].index
sorted_subset=df[df["Test"]==0].sort_values(['First','Final'],ascending=False)
df.loc[index_subset,:]=sorted_subset.values
print(df)