Python Pandas：如果未排序，则跨列对数据帧单元格进行排序

看起来我的最后一个问题已经结束了，但是我第一次忘记提到下面的更新。仅修改少数列，而不是全部列

修改数据帧中一系列数据排序的最佳方法是什么？ 例如，导入一些数据后，列应该按升序排列，但如果不是，我需要对数据重新排序。正在将数据从csv导入pandas.df

理想情况下，我会在数据框中找到第二行熊猫系列作为要修复的记录：

           num_1    num_2   num_3    num_4     num_5
date
2020-02-06  52      22       14       25         27

并将其修改为：仅对NUM 1-3进行排序，不接触第4列和第5列

我可以迭代数据帧，并通过将每一列与右边的列进行比较来检查序列数据无序的索引。然后编写一个自定义分类器并将该记录重写回数据帧，但这看起来很笨拙

我不得不想象有一种更像蟒蛇的方式来做这类事情。我只是在熊猫的文档中找不到它。我不想对行重新排序，只要确保值在列中的顺序正确即可

---

更新：我忘了提到一个最关键的方面。DataFrame中还有其他不应触摸的列。因此，在下面的示例中，只对num_1、num_2、num_3进行排序，而不是对其他的排序。我猜我可以使用已经提出的解决方案，拆分数据帧，对第一部分进行排序，然后将它们重新合并在一起。有其他选择吗？

据我所知，熊猫不支持您默认要求的内容。通常每一列都是一个不同的特性，因此更改它的值似乎有点奇怪。 不管怎么说，熊猫和numpy相处得非常好。这是你的救命稻草

您可以将相关列转换为numpy数组，按行排序，然后将结果放回数据帧中

将numpy作为np导入 cols_list=[num_1，num_2，num_3] tmp_arr=np.arraydf.loc[：，cols_list] tmp_arr.sortaxis=1 df.loc[：，cols_list]=tmp_arr 完整示例：

作为pd进口熊猫 将numpy作为np导入 数据帧{Day:range1,5，num_1:[5,2,7,1]，num_2:[2,7,4,10]，num_3:[7,27,64,10]} printdf cols_list=[num_1，num_2，num_3] tmp_arr=np.arraydf.loc[：，cols_list] tmp_arr.sortaxis=1 df.loc[：，cols_list]=tmp_arr printdf 第一次打印结果：

   Day  num_1  num_2  num_3
0    1      5      2      7
1    2      2      7     27
2    3      7      4     64
3    4      1     10     10

   Day  num_1  num_2  num_3
0    1      2      5      7
1    2      2      7     27
2    3      4      7     64
3    4      1     10     10

第二次打印结果：

   Day  num_1  num_2  num_3
0    1      5      2      7
1    2      2      7     27
2    3      7      4     64
3    4      1     10     10

   Day  num_1  num_2  num_3
0    1      2      5      7
1    2      2      7     27
2    3      4      7     64
3    4      1     10     10

您可以选择任何您喜欢的列

---

在我已经写了这篇文章之后，我在这里找到了类似的解决方案：

据我所知，熊猫不支持您默认要求的内容。通常每一列都是一个不同的特性，因此更改它的值似乎有点奇怪。 不管怎么说，熊猫和numpy相处得非常好。这是你的救命稻草

您可以将相关列转换为numpy数组，按行排序，然后将结果放回数据帧中

将numpy作为np导入 cols_list=[num_1，num_2，num_3] tmp_arr=np.arraydf.loc[：，cols_list] tmp_arr.sortaxis=1 df.loc[：，cols_list]=tmp_arr 完整示例：

作为pd进口熊猫 将numpy作为np导入 数据帧{Day:range1,5，num_1:[5,2,7,1]，num_2:[2,7,4,10]，num_3:[7,27,64,10]} printdf cols_list=[num_1，num_2，num_3] tmp_arr=np.arraydf.loc[：，cols_list] tmp_arr.sortaxis=1 df.loc[：，cols_list]=tmp_arr printdf 第一次打印结果：

   Day  num_1  num_2  num_3
0    1      5      2      7
1    2      2      7     27
2    3      7      4     64
3    4      1     10     10

   Day  num_1  num_2  num_3
0    1      2      5      7
1    2      2      7     27
2    3      4      7     64
3    4      1     10     10

第二次打印结果：

   Day  num_1  num_2  num_3
0    1      5      2      7
1    2      2      7     27
2    3      7      4     64
3    4      1     10     10

   Day  num_1  num_2  num_3
0    1      2      5      7
1    2      2      7     27
2    3      4      7     64
3    4      1     10     10

您可以选择任何您喜欢的列

---

在我写了这篇文章之后，我在这里找到了类似的解决方案：

拆分和重新连接对我来说并不坏，以下是我得到的：

cols_to_sort = ['num_1', 'num_2', 'num_3']
pd.concat([pd.DataFrame(np.sort(df[cols_to_sort].values), columns=cols_to_sort, index=df.index), df[df.columns[~df.columns.isin(cols_to_sort)]]], axis=1)

---

拆分和重新连接对我来说并不坏，以下是我得到的：

cols_to_sort = ['num_1', 'num_2', 'num_3']
pd.concat([pd.DataFrame(np.sort(df[cols_to_sort].values), columns=cols_to_sort, index=df.index), df[df.columns[~df.columns.isin(cols_to_sort)]]], axis=1)

---

最好的方法是使用sort_values函数，只允许它处理需要排序的列

for index, rows in df.iterrows(): 
    df[['col1','col2','col3']] = df[['col1','col2','col3']].sort_values(by=[index], axis = 1, ascending = True)

---

这将遍历每一行，使所需列中的值升序，然后重新保存列。

最好的方法是使用sort\u values函数，只允许它在需要排序的列上工作

for index, rows in df.iterrows(): 
    df[['col1','col2','col3']] = df[['col1','col2','col3']].sort_values(by=[index], axis = 1, ascending = True)

---

这将遍历每一行，使所需列中的值升序，然后重新保存列。

回答得好，谢谢。我选择了另一个答案，因为它避免了重复数据帧。回答很好，谢谢。我选择了另一个答案，因为它避免了重复数据帧。另一个很棒的答案和参考。谢谢选择的解决方案也使用Numpy。我之所以选择赢家，是因为它避免了切片，并且使用了更多的内置功能，例如isin，所以我认为它可以让其他人更容易阅读。另一个很棒的答案和参考。谢谢选择的解决方案也使用Numpy。我选择了赢家，因为它避免了切片，并且使用了更多的内置功能，例如isin，所以我认为它可以让其他人更容易阅读。