Python 基于多列的数据帧排序

如何根据2列对数据帧进行排序

在下面的示例中，

colu\u b

将为

col\u a

设置连接断路器

数据帧：

df = pd.DataFrame({'col_a':[0,0,0,1,1,1], 'col_b':[5,2,8,3,7,4]})

df
   col_a  col_b
0      0      5
1      0      2
2      0      8
3      1      3
4      1      7
5      1      4

   col_a  col_b  Rank
0      0      5   2
1      0      2   1
2      0      8   3
3      1      3   4
4      1      7   6
5      1      4   5

预期输出：

df = pd.DataFrame({'col_a':[0,0,0,1,1,1], 'col_b':[5,2,8,3,7,4]})

df
   col_a  col_b
0      0      5
1      0      2
2      0      8
3      1      3
4      1      7
5      1      4

   col_a  col_b  Rank
0      0      5   2
1      0      2   1
2      0      8   3
3      1      3   4
4      1      7   6
5      1      4   5

---

找到了我自己的解决方案：创建一个包含列的元组并对其进行排序。 不会处理不同的升序/降序，但这有助于解决我的问题

df['rank'] = df[['col_a','col_b']].apply(tuple, 1).rank()

---

这里有一个方法。通过对列进行排序并重新编制索引来创建临时数据框。然后使用新索引作为秩，并连接回原始df

temp_df = df.sort_values(['col_a', 'col_b']).reset_index()
temp_df['rank'] = temp_df.index + 1
print(temp_df)
#   index  col_a  col_b  rank
#0      1      0      2     1
#1      0      0      5     2
#2      2      0      8     3
#3      3      1      3     4
#4      5      1      4     5
#5      4      1      7     6

列

'index'

对应于原始数据帧中的索引。使用此选项将

temp_df

连接回

df

并选择所需的列：

df = df.join(temp_df.set_index('index'), rsuffix="_r")[['col_a', 'col_b', 'rank']]
print(df)
#   col_a  col_b  rank
#0      0      5     2
#1      0      2     1
#2      0      8     3
#3      1      3     4
#4      1      7     6
#5      1      4     5

---

这里是一种使用

排序\u值的单行方法

：

In [135]: df['rank'] = df.sort_values(['col_a', 'col_b'])['col_b'].index + 1

In [136]: df
Out[136]: 
   col_a  col_b  rank
0      0      5     2
1      0      2     1
2      0      8     3
3      1      3     4
4      1      7     6
5      1      4     5

---

这段代码背后的逻辑：基本上，

DataFrame.sort\u values

函数接受多个列名，并根据传递的列名顺序返回数据帧的排序副本。默认的排序顺序是升序，这是我们想要的。如果需要另一个顺序，可以将该顺序作为布尔值的iterable传递给

升序

关键字参数。最后，

列b

的新索引是我们想要的（加上一个）。

使用

numpy

的方法

---

您可以使用中间分组执行类似的操作。i、 e.

col\u a\u Rank

并对其进行分组，然后对其进行排序

col\u b

以获得最终的

Rank

值。我试图避免排序。不确定它如何影响大数据帧上的性能。但解决方案非常有效。我将根据我给出的解决方案进行测试，以检查哪一个更快。根据您的数据帧，您可能需要先重置索引。与此答案类似：