Python 按熊猫中的列子值排序_Python_Pandas_Sorting

Python 按熊猫中的列子值排序

python pandas sorting

Python 按熊猫中的列子值排序,python,pandas,sorting,Python,Pandas,Sorting,我的熊猫数据框如下所示： --------------------------------------- Name | Stats --------------------------------------- Bob | { age : 42, profession: IT } Jill | { age : 35, profession: Engineer } Patric | { age : 37, profession: St

我的熊猫数据框如下所示：

---------------------------------------
 Name   | Stats                     
---------------------------------------
 Bob    | { age : 42, profession: IT }
 Jill   | { age : 35, profession: Engineer }
 Patric | { age : 37, profession: Student }
---------------------------------------

其中，

Stats

是一个类，

age

和

profession

都是该类的属性

我想按照

Stats

上的属性之一对该表进行排序。例如，按人的年龄对其进行排序，使表格看起来像：

---------------------------------------
 Name   | Stats                     
---------------------------------------
 Jill   | { age : 35, profession: Engineer }
 Patric | { age : 37, profession: Student }
 Bob    | { age : 42, profession: IT }
---------------------------------------

有没有一种方法可以让熊猫做到这一点？我只找到了按整列排序的方法

感谢

使用数据帧的一个主要要点是键入列以实现高效存储和计算速度（例如int64、float64、object等）。您的数据结构不好；在

Stats

中，每个字段都应该有一个单独的列。有关更多信息，请参阅

df2 = df[['Name']].assign(age=[d.get('age') for d in df['Stats']],
                          profession=[d.get('profession') for d in df['Stats']])

这样，处理数据就很容易了

>>> df2.sort_values('age')
     Name  age profession
1    Jill   35   Engineer
2  Patric   37    Student
0     Bob   42         IT

使用数据帧的一个要点是键入列以实现高效存储和计算速度（例如int64、float64、object等）。您的数据结构不好；在

Stats

中，每个字段都应该有一个单独的列。有关更多信息，请参阅

df2 = df[['Name']].assign(age=[d.get('age') for d in df['Stats']],
                          profession=[d.get('profession') for d in df['Stats']])

这样，处理数据就很容易了

>>> df2.sort_values('age')
     Name  age profession
1    Jill   35   Engineer
2  Patric   37    Student
0     Bob   42         IT

解决方案
您可以使用

argsort

查找适当的排序并将其传递给

iloc

。但是，您需要创建一个数据帧，以便在

age

列上运行

argsort

df.iloc[pd.DataFrame(df.Stats.values.tolist()).age.argsort()]

     Name                                  Stats
1    Jill  {'age': 35, 'profession': 'Engineer'}
2  Patric   {'age': 37, 'profession': 'Student'}
0     Bob        {'age': 42, 'profession': 'IT'}

读完这本书后，我想到了一个结合了他的想法和我的想法的东西。如果有人觉得这部分有用，请别忘了对他的答案投赞成票

df.iloc[np.argsort([x.get('age') for x in df.Stats])]

定时
小样本数据

%timeit df.iloc[pd.DataFrame(df.Stats.values.tolist()).age.argsort()]
%timeit df.iloc[np.argsort([x.get('age') for x in df.Stats])]
%timeit df.iloc[np.argsort([x.get('age') for x in df.Stats.values.tolist()])]

1000 loops, best of 3: 756 µs per loop
1000 loops, best of 3: 225 µs per loop
1000 loops, best of 3: 207 µs per loop

设置

df = pd.DataFrame(dict(
    Name='Bob Jill Patric'.split(),
    Stats=[
        dict(age=42, profession='IT'),
        dict(age=35, profession='Engineer'),
        dict(age=37, profession='Student')
    ]
))