Python Pandas - 排序

上一頁
下一頁

排序是在 Pandas 中處理資料時一項基本的操作，無論您是在組織行、列還是特定值。排序可以幫助您以有意義的方式排列資料，以便更好地理解和輕鬆分析。

Pandas 提供了強大的工具來有效地對資料進行排序，這可以透過標籤或實際值來完成。在本教程中，我們將探討 Pandas 中各種資料排序方法，從基本的按索引或列標籤排序到更高階的技術，如按多列排序和選擇特定的排序演算法。

Pandas 中的排序型別

Pandas 中有兩種排序方式。它們是 -

  • 按標籤排序 - 這涉及根據索引標籤對資料進行排序。

  • 按值排序 - 這涉及根據 DataFrame 或 Series 中的實際值對資料進行排序。

按標籤排序

要按索引標籤排序，您可以使用sort_index()方法，透過傳遞軸引數和排序順序，可以對資料結構物件進行排序。預設情況下，此方法會根據行標籤按升序對 DataFrame 進行排序。

示例

讓我們以一個基本的示例來說明如何使用sort_index()方法對 DataFrame 進行排序。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],columns = ['col2','col1'])

print("Original DataFrame:\n", unsorted_df)

# Sort the DataFrame by labels
sorted_df=unsorted_df.sort_index()
print("\nOutput Sorted DataFrame:\n", sorted_df)

其輸出如下 -

Original DataFrame:
        col2      col1
1  1.116188  1.631727
4  0.287900 -1.097359
6  0.058885 -0.642273
2 -2.070172  0.148255
3 -1.458229  1.298907
5 -0.723663  2.220048
9 -1.271494  2.001025
8 -0.412954 -0.808688
0  0.922697 -0.429393
7 -0.476054 -0.351621

Output Sorted DataFrame:
        col2      col1
0  0.922697 -0.429393
1  1.116188  1.631727
2 -2.070172  0.148255
3 -1.458229  1.298907
4  0.287900 -1.097359
5 -0.723663  2.220048
6  0.058885 -0.642273
7 -0.476054 -0.351621
8 -0.412954 -0.808688
9 -1.271494  2.001025

示例 - 控制排序順序

透過向 ascending 引數傳遞布林值，可以控制排序順序。讓我們考慮以下示例來理解這一點。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],columns = ['col2','col1'])

print("Original DataFrame:\n", unsorted_df)

# Sort the DataFrame by ascending order
sorted_df = unsorted_df.sort_index(ascending=False)
print("\nOutput Sorted DataFrame:\n", sorted_df)

其輸出如下 -

Original DataFrame:
        col2      col1
1 -0.668366  0.576422
4  0.605218 -0.066065
6  1.140478  0.236687
2  0.137617  0.312423
3 -0.055631  0.774057
5  0.108002  1.038820
9 -0.929134 -0.982358
8 -0.207542 -1.283386
0 -0.210571 -0.656371
7 -0.106388  0.672418

Output Sorted DataFrame:
        col2      col1
9 -0.929134 -0.982358
8 -0.207542 -1.283386
7 -0.106388  0.672418
6  1.140478  0.236687
5  0.108002  1.038820
4  0.605218 -0.066065
3 -0.055631  0.774057
2  0.137617  0.312423
1 -0.668366  0.576422
0 -0.210571 -0.656371

示例 - 對列進行排序

透過向 axis 引數傳遞值 0 或 1，可以在列標籤上進行排序。預設情況下，axis=0，按行排序。讓我們考慮以下示例來理解這一點。

import pandas as pd
import numpy as np
 
unsorted_df = pd.DataFrame(np.random.randn(6,4),index=[1,4,2,3,5,0],columns = ['col2','col1', 'col4', 'col3'])

print("Original DataFrame:\n", unsorted_df)

# Sort the DataFrame columns
sorted_df=unsorted_df.sort_index(axis=1)
print("\nOutput Sorted DataFrame:\n", sorted_df)

其輸出如下 -

Original DataFrame:
        col2      col1      col4      col3
1 -0.828951 -0.798286 -1.794752 -0.082656
4  0.440243 -0.693218 -0.218277 -0.790168
2  1.017670  1.443679 -1.939119 -1.887223
3 -0.992471 -1.425046  0.651336 -0.278247
5 -0.103537 -0.879433  0.471838  0.860885
0 -0.222297  1.094805  0.501531 -0.580382

Output Sorted DataFrame:
        col1      col2      col3      col4
1 -0.798286 -0.828951 -0.082656 -1.794752
4 -0.693218  0.440243 -0.790168 -0.218277
2  1.443679  1.017670 -1.887223 -1.939119
3 -1.425046 -0.992471 -0.278247  0.651336
5 -0.879433 -0.103537  0.860885  0.471838
0  1.094805 -0.222297 -0.580382  0.501531

按實際值排序

與索引排序類似，可以使用sort_values()方法按實際值進行排序。此方法允許按一個或多個列進行排序。它接受一個“by”引數，該引數將使用 DataFrame 的列名來對值進行排序。

示例 - 對 Series 值進行排序

以下示例演示瞭如何使用sort_values()方法對 pandas Series 物件進行排序。

import pandas as pd

panda_series = pd.Series([18, 95, 66, 12, 55, 0])
print("Unsorted Pandas Series: \n", panda_series)

panda_series_sorted = panda_series.sort_values(ascending=True)
print("\nSorted Pandas Series: \n", panda_series_sorted)

執行以上程式碼後，您將獲得以下輸出 -

Unsorted Pandas Series: 
 0    18
1    95
2    66
3    12
4    55
5     0
dtype: int64

Sorted Pandas Series: 
 5     0
3    12
0    18
4    55
2    66
1    95
dtype: int64

示例 - 對 DataFrame 值進行排序

以下示例演示了sort_values()方法在 DataFrame 物件上的工作原理。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame({'col1':[2,9,5,0],'col2':[1,3,2,4]})
print("Original DataFrame:\n", unsorted_df)

# Sort the DataFrame by values
sorted_df = unsorted_df.sort_values(by='col1')
print("\nOutput Sorted DataFrame:\n", sorted_df)

其輸出如下 -

Original DataFrame:
    col1  col2
0     2     1
1     9     3
2     5     2
3     0     4

Output Sorted DataFrame:
    col1  col2
3     0     4
0     2     1
2     5     2
1     9     3

觀察，col1 值已排序，相應的 col2 值和行索引將與 col1 一起更改。因此，它們看起來未排序。

示例 - 對多個列的值進行排序

您還可以透過向'by'引數傳遞列名列表來按多列排序。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame({'col1':[2,1,0,1],'col2':[1,3,4,2]})

print("Original DataFrame:\n", unsorted_df)

# Sort the DataFrame multiple columns by values
sorted_df = unsorted_df.sort_values(by=['col1','col2'])
print("\nOutput Sorted DataFrame:\n", sorted_df)

其輸出如下 -

Original DataFrame:
    col1  col2
0     2     1
1     1     3
2     0     4
3     1     2

Output Sorted DataFrame:
    col1  col2
2     0     4
3     1     2
1     1     3
0     2     1

選擇排序演算法

Pandas 允許您使用sort_values()方法中的 kind 引數指定排序演算法。您可以在“mergesort”、“heapsort”和“quicksort”之間進行選擇。“mergesort”是唯一穩定的演算法。

示例

以下示例使用sort_values()方法和特定演算法對 DataFrame 進行排序。

import pandas as pd
import numpy as np

unsorted_df = pd.DataFrame({'col1':[2,5,0,1],'col2':[1,3,0,4]})
print("Original DataFrame:\n", unsorted_df)

# Sort the DataFrame 
sorted_df = unsorted_df.sort_values(by='col1' ,kind='mergesort')
print("\nOutput Sorted DataFrame:\n", sorted_df)

其輸出如下 -

Original DataFrame:
    col1  col2
0     2     1
1     5     3
2     0     0
3     1     4

Output Sorted DataFrame:
    col1  col2
2     0     0
3     1     4
0     2     1
1     5     3
列印頁面
上一頁
下一頁
廣告

© . All rights reserved.