pandas排序_pandas chunksize 排序

pandas排序

pandas支持三种排序方式:

• sorting by index labels
• sorting by column values
• sorting by a combination of both

By index

series.sort_index和DataFrame.sort_index()方法被用来根据index排序pandas对象。

import numpy as np
import pandas as pd
1
2

df = pd.DataFrame({
    'one':pd.Series(np.random.randn(3),index=['a','b','c']),
     'two': pd.Series(np.random.randn(4), index=['a', 'b', 'c', 'd']),
     'three': pd.Series(np.random.randn(3), index=['b', 'c', 'd'])                                       
})
1
2
3
4
5

unsorted_df = df.reindex(index=['a','d','c','b'],
                                columns=['three','teo','one'])
1
2

unsorted_df
1

unsorted_df.sort_index()
1

unsorted_df.sort_index(ascending=False)
1

unsorted_df.sort_index(axis=1) # 设置排序的轴
1

By values

Series.sort_values()方法按照Series的值排序。

DataFrame.sort_values()方法按照其columns或rows的值排序。

df1 = pd.DataFrame({
    'one':[2,1,1,1],
    'two':[1,2,3,4],
    'three':[5,4,3,2]
})
1
2
3
4
5

df1.sort_values(by='two')
1

df1.sort_values(by=['one','two'])
1

这些方法通过na_position参数对NA值进行特殊处理：

 s = pd.Series(['a', 'a', 'b', 'b', 'a', 'a', np.nan, 'c', 'd', 'a'])
1

s[2] = np.nan
1

s.sort_values()
1

0      a
1      a
4      a
5      a
9      a
3      b
7      c
8      d
2    NaN
6    NaN
dtype: object
1
2
3
4
5
6
7
8
9
10
11

s.sort_values(na_position='first')
1

2    NaN
6    NaN
0      a
1      a
4      a
5      a
9      a
3      b
7      c
8      d
dtype: object
1
2
3
4
5
6
7
8
9
10
11

By indexes and values

作为by参数传递给DataFrame.sort_values（）的字符串可以引用列名或索引级名。

 idx = pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('a', 2),('b', 2), ('b', 1), ('b', 1)])
1

idx.names = ['first', 'second']
1

idx
1

MultiIndex([('a', 1),
            ('a', 2),
            ('a', 2),
            ('b', 2),
            ('b', 1),
            ('b', 1)],
           names=['first', 'second'])
1
2
3
4
5
6
7

df_multi = pd.DataFrame({'A': np.arange(6, 0, -1)},index=idx)
1

df_multi
1

df_multi.sort_values(by=['second', 'A'])
1

如果字符串与列名和索引级名称都匹配，则会发出警告，并且列优先。

搜索排序

Series的serachsorted()方法工作方式与numpy.ndarray.serachsorted()方法类似。

该方式表示将传入的数组的每一个元素插入到Series对象中,返回插入的位置。（实际上并没有插入Serives,只是求，如果插入，那么插入的位置是什么。）

ser = pd.Series([1, 2, 3])
1

ser.searchsorted([0,3])
1

array([0, 2], dtype=int64)
1

ser.searchsorted([0, 4])
1

array([0, 3], dtype=int64)
1

ser.searchsorted([1, 3], side='right')
1

array([1, 3], dtype=int64)
1

ser.searchsorted([1, 3], side='left')
1

array([0, 2], dtype=int64)
1

ser = pd.Series([3, 1, 2])
ser.searchsorted([0, 3], sorter=np.argsort(ser))
1
2

array([0, 2], dtype=int64)
1

最小/最大值

Series有nsmallest()和nlargest()方法，它们返回最大或者最小的前n个值。对于一个大的Series,大的速度要比排序整个Series要快的多。

s = pd.Series(np.random.permutation(10))

s
1
2
3

0    9
1    2
2    8
3    6
4    0
5    7
6    3
7    4
8    1
9    5
dtype: int32
1
2
3
4
5
6
7
8
9
10
11

s.sort_values()
1

4    0
8    1
1    2
6    3
7    4
9    5
3    6
5    7
2    8
0    9
dtype: int32
1
2
3
4
5
6
7
8
9
10
11

s.nsmallest(4)
1

4    0
8    1
1    2
6    3
dtype: int32
1
2
3
4
5

s.nlargest(3)
1

0    9
2    8
5    7
dtype: int32
1
2
3
4

DataFrame同样也有nlargest()和nsmallist()方法

df = pd.DataFrame({
    'a':[-2,-1,1,10,8,11,-1],
    'b':list('abdceff'),
    'c':[1.,2.,4.,3.2,np.nan,3.,4.0]
})
1
2
3
4
5

df.nlargest(3,'a')
1

df.nlargest(5,['a','c'])
1

根据多重索引排序

当column是多重索引时，必须明确指明排序依据的levels。

df1
1

df1.columns = pd.MultiIndex.from_tuples([
    ('a','one'),
    ('a','two'),
    ('b','three')
])
1
2
3
4
5

df1
1

df1.sort_values(by=('a','two'))
1

1