Hướng dẫn how to sort a dataframe in python - cách sắp xếp một khung dữ liệu trong python

Sắp xếp theo các giá trị dọc theo một trong hai trục.

Tên hoặc danh sách các tên để sắp xếp theo.

• Nếu trục là 0 hoặc ‘chỉ mục thì có thể chứa các mức chỉ mục và/hoặc nhãn cột.

• Nếu trục là 1 hoặc ‘cột thì có thể chứa các cấp cột và/hoặc nhãn chỉ mục.

Trục được sắp xếp.

Sắp xếp tăng dần so với giảm dần. Chỉ định danh sách cho nhiều đơn đặt hàng sắp xếp. Nếu đây là danh sách các bools, phải khớp với độ dài của BY.

Nếu đúng, hãy thực hiện hoạt động tại chỗ.

Lựa chọn phân loại thuật toán. Xem thêm numpy.sort() để biết thêm thông tin. Mergesort và ổn định là các thuật toán ổn định duy nhất. Đối với DataFrames, tùy chọn này chỉ được áp dụng khi sắp xếp trên một cột hoặc nhãn.

Đặt Nans ở đầu nếu đầu tiên; Cuối cùng đặt Nans vào cuối.

Nếu đúng, trục kết quả sẽ được dán nhãn 0, 1,,, n - 1.

Mới trong phiên bản 1.0.0.

Áp dụng chức năng khóa cho các giá trị trước khi sắp xếp. Điều này tương tự như đối số chính trong hàm sorted() tích hợp, với sự khác biệt đáng chú ý là chức năng khóa này nên được vector hóa. Nó sẽ mong đợi một Series và trả về một chuỗi có hình dạng giống như đầu vào. Nó sẽ được áp dụng cho mỗi cột trong bằng cách độc lập.

Mới trong phiên bản 1.1.0.

DataFrame với các giá trị được sắp xếp hoặc không có nếu

>>> df.sort_values(by=['col1'])
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
5    C     4     3    F
4    D     7     2    e
3  NaN     8     4    D

Ví dụ

>>> df = pd.DataFrame({
...     'col1': ['A', 'A', 'B', np.nan, 'D', 'C'],
...     'col2': [2, 1, 9, 8, 7, 4],
...     'col3': [0, 1, 9, 4, 2, 3],
...     'col4': ['a', 'B', 'c', 'D', 'e', 'F']
... })
>>> df
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F

Sắp xếp theo Col1

>>> df.sort_values(by=['col1'])
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
5    C     4     3    F
4    D     7     2    e
3  NaN     8     4    D

Sắp xếp theo nhiều cột

>>> df.sort_values(by=['col1', 'col2'])
  col1  col2  col3 col4
1    A     1     1    B
0    A     2     0    a
2    B     9     9    c
5    C     4     3    F
4    D     7     2    e
3  NaN     8     4    D

Sắp xếp giảm dần

>>> df.sort_values(by='col1', ascending=False)
  col1  col2  col3 col4
4    D     7     2    e
5    C     4     3    F
2    B     9     9    c
0    A     2     0    a
1    A     1     1    B
3  NaN     8     4    D

Đặt NAS lên hàng đầu

>>> df.sort_values(by='col1', ascending=False, na_position='first')
  col1  col2  col3 col4
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F
2    B     9     9    c
0    A     2     0    a
1    A     1     1    B

Sắp xếp với một chức năng chính

>>> df.sort_values(by='col4', key=lambda col: col.str.lower())
   col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F

Sắp xếp tự nhiên với đối số chính, sử dụng gói Natsort.

>>> df = pd.DataFrame({
...    "time": ['0hr', '128hr', '72hr', '48hr', '96hr'],
...    "value": [10, 20, 30, 40, 50]
... })
>>> df
    time  value
0    0hr     10
1  128hr     20
2   72hr     30
3   48hr     40
4   96hr     50
>>> from natsort import index_natsorted
>>> df.sort_values(
...    by="time",
...    key=lambda x: np.argsort(index_natsorted(df["time"]))
... )
    time  value
0    0hr     10
3   48hr     40
2   72hr     30
4   96hr     50
1  128hr     20