Python 使用Sort_values（）对数据帧的所有列进行独立排序

我有一个dataframe，希望以降序或升序对所有列进行独立排序

import pandas as pd

data = {'a': [5, 2, 3, 6],
        'b': [7, 9, 1, 4],
        'c': [1, 5, 4, 2]}
df = pd.DataFrame.from_dict(data)
   a  b  c
0  5  7  1
1  2  9  5
2  3  1  4
3  6  4  2

当我使用它时，它不会按预期工作（对我而言），只对一列进行排序：

foo = df.sort_values(by=['a', 'b', 'c'], ascending=[False, False, False])
   a  b  c
3  6  4  2
0  5  7  1
2  3  1  4
1  2  9  5

如果我使用answer中应用lambda函数的解决方案，我可以得到期望的结果：

bar = df.apply(lambda x: x.sort_values().values)
print(bar)

   a  b  c
0  2  1  1
1  3  4  2
2  5  7  4
3  6  9  5

但这在我看来有点笨手笨脚

在上面的示例中实际发生了什么，如何在没有lambda函数的情况下对数据帧中的所有列进行排序？

您可以使用

dataframe

构造函数：

df1 = pd.DataFrame(np.sort(df.values, axis=0), index=df.index, columns=df.columns)
print (df1)
   a  b  c
0  2  1  1
1  3  4  2
2  5  7  4
3  6  9  5

编辑：

按降序回答：

arr = df.values
arr.sort(axis=0)
arr = arr[::-1]
print (arr)
[[6 9 5]
 [5 7 4]
 [3 4 2]
 [2 1 1]]

df1 = pd.DataFrame(arr, index=df.index, columns=df.columns)
print (df1)
   a  b  c
0  6  9  5
1  5  7  4
2  3  4  2
3  2  1  1

---

sort_value

将按照传递给整个数据帧的列顺序对其进行排序。在第一个示例中，您使用

['a'，'b'，'c']

对整个数据帧进行排序。这将首先按

'a'

排序，然后按

'b'

排序，最后按

'c'

排序

请注意，按

a

排序后，行如何保持相同。这是预期的结果

使用

lambda

将每个列传递给它，这意味着

sort_values

将应用于单个列，这就是为什么第二种方法按预期对列进行排序。在这种情况下，行会发生变化

如果您不想使用

lambda

或

numpy

，您可以使用以下方法：

pd.DataFrame({x: df[x].sort_values().values for x in df.columns.values})

输出：

   a  b  c
0  2  1  1
1  3  4  2
2  5  7  4
3  6  9  5

---

谢谢你的回答。但是我还是更喜欢

df.apply（lambda x:x.sort_values（）.values）

而不是它，因为它比较短并且不需要numpy导入。这不是有一些标准的pandas构造吗？；）@CordKaldemeyer在使用pandas以避免导入

numpy

时，应该没有任何首选项来避免

numpy

。这是因为您导入的

pandas

乳清已经导入了

numpy

。事实上，您可以使用

pandas

名称空间来完成jezrael所做的事情

pd.DataFrame（pd.np.sort（df.values，axis=0），index=df.index，columns=df.columns）

@piRSquared谢谢您的评论。如果使用此解决方案，我认为在较大的df中应用此解决方案会更快。但两者都很好用。在我看来，如果不是相同的数据类型的列，应用解决方案会更好，例如一个ic字符串，另一个int，float。因为numpy最适用于float，int数组-相同的数据类型。@Cordkaldemyer使用新的排序方式编辑

df

，而不使用

lambda

或

numpy

。感谢你们两位的帮助和解释！