Python 如何从一列对数据帧进行排序_Python_Pandas_Dataframe_Sorting_Time

Python 如何从一列对数据帧进行排序

python pandas dataframe sorting time

Python 如何从一列对数据帧进行排序,python,pandas,dataframe,sorting,time,Python,Pandas,Dataframe,Sorting,Time,我有这样一个数据框： 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

我有这样一个数据框：

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

如您所见，月份不是按日历顺序排列的。因此，我创建了第二列，以获取每个月对应的月份号（1-12）。在此基础上，如何根据日历月的顺序对该数据框进行排序？

用于按特定列的值对df进行排序：

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

如果要按两列排序，请将列标签列表传递给

sort\u values

，列标签按排序优先级排序。如果使用

df.sort_值（['2'，'0']）

，则结果将按列

排序，然后按列

排序。诚然，这在本例中没有实际意义，因为

df['2']

中的每个值都是唯一的。

用于按特定列的值对df进行排序：

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

如果要按两列排序，请将列标签列表传递给

sort\u values

，列标签按排序优先级排序。如果使用

df.sort_值（['2'，'0']）

，则结果将按列

排序，然后按列

排序。诚然，这对于本例来说并没有真正意义，因为

df['2']

中的每个值都是唯一的。

只是在数据上添加了更多的操作。假设我们有一个数据帧

df

，我们可以执行几个操作来获得所需的输出

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)

将标签的

排序

输出作为

数据帧

    index   label
0   test        2
1   experiment  1

只是在数据上添加更多的操作。假设我们有一个数据帧

df

，我们可以执行几个操作来获得所需的输出

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)

将标签的

排序

输出作为

数据帧

    index   label
0   test        2
1   experiment  1

我尝试了上面的解决方案，但没有取得任何效果，因此我找到了一个适合我的不同解决方案。升序=假是按降序对数据帧进行排序，默认情况下为真。我使用的是python 3.6.6和pandas 0.23.4版本

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

您可以在pandas文档中看到更多详细信息。

我尝试了上述解决方案，但没有取得效果，因此我找到了一种适合我的不同解决方案。升序=假是按降序对数据帧进行排序，默认情况下为真。我使用的是python 3.6.6和pandas 0.23.4版本

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

您可以在pandas文档中查看更多详细信息。

另一个解决方案是：

您可以对字符串数据（月份名称）进行分类并按如下方式排序，而不是创建第二列：

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)

它将按照创建

分类对象时指定的月名
为您提供已排序的数据。
就像另一个解决方案一样：
您可以对字符串数据（月份名称）进行分类并按如下方式排序，而不是创建第二列：
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)

它将按照您在创建分类
对象时指定的月名
为您提供已排序的数据。
以下是根据熊猫文档排序值的模板
DataFrame.sort_值（按，轴=0，
升序=真，
原地=假，
“快速排序”，
na_position='last'，
忽略_index=False，key=None）[来源]

在这种情况下，它将是这样的
df.sort_值（按=['2']）

API参考
这里是根据熊猫文档排序值的模板
DataFrame.sort_值（按，轴=0，
升序=真，
原地=假，
“快速排序”，
na_position='last'，
忽略_index=False，key=None）[来源]

在这种情况下，它将是这样的
df.sort_值（按=['2']）

API参考
使用列名对我很有用
sorted_df = df.sort_values(by=['Column_name'], ascending=True)

使用列名对我很有用
sorted_df = df.sort_values(by=['Column_name'], ascending=True)

这对我有用
df.sort_values(by='Column_name', inplace=True, ascending=False)

这对我有用
df.sort_values(by='Column_name', inplace=True, ascending=False)

熊猫的工作
如果想要保持相同的变量名，请不要忘记inplace=True
（这将执行适当的操作）
您还可以将更改（排序）分配给一个可能具有相同名称的变量，例如df
as
df = df.sort_values(by=['2'])

忘记上述步骤可能会导致无法获得预期结果
请注意，如果希望按降序排列，则需要传递ascending=False
，例如
df = df.sort_values(by=['2'], ascending=False)

熊猫的工作
如果想要保持相同的变量名，请不要忘记inplace=True
（这将执行适当的操作）
您还可以将更改（排序）分配给一个可能具有相同名称的变量，例如df
as
df = df.sort_values(by=['2'])

忘记上述步骤可能会导致无法获得预期结果
请注意，如果希望按降序排列，则需要传递ascending=False
，例如
df = df.sort_values(by=['2'], ascending=False)

这一个对我有用：
df=df.sort_values(by=[2])

鉴于：
df=df.sort_values(by=['2']) 

不起作用。
这个对我起作用了：
df=df.sort_values(by=[2])

鉴于：
df=df.sort_values(by=['2']) 

无效。
上述解决方案对我无效。它应该根据下面的答案进行更改。@NafeesAhmad OP希望结果按升序排列，这与其他答案不同。上面的解决方案不适用于我。它应该根据下面的答案进行更改。@NafeesAhmad OP希望结果按升序排列，这与其他答案不同