精华内容
下载资源
问答
  • Pandas-排序函数sort_values()

    万次阅读 多人点赞 2018-10-18 22:21:33
    一、sort_values()函数用途 pandas中的sort_values()函数类似于SQL中order by的原理,可以将数据集依照某个字段中的数据进行排序。 二、sort_values()函数的具体参数 用法: DataFrame.sort_values(by=‘##’,...

    一、sort_values()函数用途

    pandas中的sort_values()函数原理类似于SQL中的order by,可以将数据集依照某个字段中的数据进行排序,该函数即可根据指定列数据也可根据指定行的数据排序。

    二、sort_values()函数的具体参数

    • 用法:
      DataFrame.sort_values(by=‘##’,axis=0,ascending=True, inplace=False, na_position=‘last’)

    • 参数说明

    参数 说明
    by 指定列名(axis=0或’index’)或索引值(axis=1或’columns’)
    axis 若axis=0或’index’,则按照指定列中数据大小排序;若axis=1或’columns’,则按照指定索引中数据大小排序,默认axis=0
    ascending 是否按指定列的数组升序排列,默认为True,即升序排列
    inplace 是否用排序后的数据集替换原来的数据,默认为False,即不替换
    na_position {‘first’,‘last’},设定缺失值的显示位置

    三、sort_values用法举例

    • 创建数据框
    #利用字典dict创建数据框
    import numpy as np
    import pandas as pd
    df=pd.DataFrame({'col1':['A','A','B',np.nan,'D','C'],
                     'col2':[2,1,9,8,7,7],
                     'col3':[0,1,9,4,2,8]
    })
    print(df)
    
    >>>
      col1  col2  col3
    0    A     2     0
    1    A     1     1
    2    B     9     9
    3  NaN     8     4
    4    D     7     2
    5    C     7     8
    
    • 依据第一列排序,并将该列空值放在首位
    #依据第一列排序,并将该列空值放在首位
    print(df.sort_values(by=['col1'],na_position='first'))
    >>>
      col1  col2  col3
    3  NaN     8     4
    0    A     2     0
    1    A     1     1
    2    B     9     9
    5    C     7     8
    4    D     7     2
    
    • 依据第二、三列,数值降序排序
    #依据第二、三列,数值降序排序
    print(df.sort_values(by=['col2','col3'],ascending=False))
    >>>
      col1  col2  col3
    2    B     9     9
    3  NaN     8     4
    5    C     7     8
    4    D     7     2
    0    A     2     0
    1    A     1     1
    
    • 根据第一列中数值排序,按降序排列,并替换原数据
    #根据第一列中数值排序,按降序排列,并替换原数据
    df.sort_values(by=['col1'],ascending=False,inplace=True,
                         na_position='first')
    print(df)
    >>>
      col1  col2  col3
    3  NaN     8     4
    4    D     7     2
    5    C     7     8
    2    B     9     9
    1    A     1     1
    0    A     2     0
    
    • 按照索引值为0的行,即第一行的值来降序排序
    x = pd.DataFrame({'x1':[1,2,2,3],'x2':[4,3,2,1],'x3':[3,2,4,1]}) 
    print(x)
    #按照索引值为0的行,即第一行的值来降序排序
    print(x.sort_values(by =0,ascending=False,axis=1))
    >>>
       x1  x2  x3
    0   1   4   3
    1   2   3   2
    2   2   2   4
    3   3   1   1
       x2  x3  x1
    0   4   3   1
    1   3   2   2
    2   2   4   2
    3   1   1   3
    
    展开全文
  • PyPackage01---Pandas03_排序sort_values

    万次阅读 多人点赞 2018-06-11 10:42:00
    1 排序 ...  这个函数似乎不建议使用了,推荐使用sort_values详情参看:官方文档。 ## 参数 sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='las...

    1 排序

      按照某一列的大小进行排序。Py3目前提供两个函数。

    1.1 sort_index

      这个函数似乎不建议使用了,推荐使用sort_values详情参看:官方文档

    ## 参数
    sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, by=None)
    #### 参数说明
    axis:0按照行名排序;1按照列名排序
    level:默认None,否则按照给定的level顺序排列---貌似并不是,文档
    ascending:默认True升序排列;False降序排列
    inplace:默认False,否则排序之后的数据直接替换原来的数据框
    kind:默认quicksort,排序的方法
    na_position:缺失值默认排在最后{"first","last"}
    by:按照那一列数据进行排序,但是by参数貌似不建议使用
    
    ## 对x1列升序排列,x2列升序。处理x1有相同值的情况  
    import pandas as pd  
    x = pd.DataFrame({"x1":[1,2,2,3],"x2":[4,3,2,1]})  
    x.sort_index(by = ["x1","x2"],ascending = [False,True])  
    
    x1 x2
    3 3 1
    2 2 2
    1 2 3
    0 1 4

    1.2 sort_value

    ## 参数    
    DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')  
    #### 参数说明    
    axis:{0 or ‘index’, 1 or ‘columns’}, default 0,默认按照索引排序,即纵向排序,如果为1,则是横向排序    
    by:str or list of str;如果axis=0,那么by="列名";如果axis=1,那么by="行名";  
    ascending:布尔型,True则升序,可以是[True,False],即第一字段升序,第二个降序  
    inplace:布尔型,是否用排序后的数据框替换现有的数据框  
    kind:排序方法,{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太关心  
    na_position : {‘first’, ‘last’}, default ‘last’,默认缺失值排在最后面  
    

    sort_values

    ## 沿着轴方向按指定值排序  
    x.sort_values(by="x1",ascending= False)  
    
    x1 x2
    3 3 1
    1 2 3
    2 2 2
    0 1 4
    ## 沿着行方向按指定行排序  
    x.sort_values(by = 1,ascending=False,axis=1)
    
    x2 x1
    0 4 1
    1 3 2
    2 2 2
    3 1 3

                              2018-06-11 于南京建邺区 新城科技园

    展开全文
  • 一、sort_values()函数用途pandas中的sort_values()函数原理类似于SQL中的order by,可以将数据集依照某个字段中的数据进行排序,该函数即可根据指定列数据也可根据指定行的数据排序。二、sort_values()函数的具体...

    一、sort_values()函数用途

    pandas中的sort_values()函数原理类似于SQL中的order by,可以将数据集依照某个字段中的数据进行排序,该函数即可根据指定列数据也可根据指定行的数据排序。

    二、sort_values()函数的具体参数

    用法:

    DataFrame.sort_values(by=‘##',axis=0,ascending=True, inplace=False, na_position=‘last')

    参数说明

    参数

    说明

    by

    指定列名(axis=0或'index')或索引值(axis=1或'columns')

    axis

    若axis=0或'index',则按照指定列中数据大小排序;若axis=1或'columns',则按照指定索引中数据大小排序,默认axis=0

    ascending

    是否按指定列的数组升序排列,默认为True,即升序排列

    inplace

    是否用排序后的数据集替换原来的数据,默认为False,即不替换

    na_position

    {‘first',‘last'},设定缺失值的显示位置

    三、sort_values用法举例

    创建数据框

    #利用字典dict创建数据框

    import numpy as np

    import pandas as pd

    df=pd.DataFrame({'col1':['A','A','B',np.nan,'D','C'],

    'col2':[2,1,9,8,7,7],

    'col3':[0,1,9,4,2,8]

    })

    print(df)

    >>>

    col1 col2 col3

    0 A 2 0

    1 A 1 1

    2 B 9 9

    3 NaN 8 4

    4 D 7 2

    5 C 7 8

    依据第一列排序,并将该列空值放在首位

    #依据第一列排序,并将该列空值放在首位

    print(df.sort_values(by=['col1'],na_position='first'))

    >>>

    col1 col2 col3

    3 NaN 8 4

    0 A 2 0

    1 A 1 1

    2 B 9 9

    5 C 7 8

    4 D 7 2

    依据第二、三列,数值降序排序

    #依据第二、三列,数值降序排序

    print(df.sort_values(by=['col2','col3'],ascending=False))

    >>>

    col1 col2 col3

    2 B 9 9

    3 NaN 8 4

    5 C 7 8

    4 D 7 2

    0 A 2 0

    1 A 1 1

    根据第一列中数值排序,按降序排列,并替换原数据

    #根据第一列中数值排序,按降序排列,并替换原数据

    df.sort_values(by=['col1'],ascending=False,inplace=True,

    na_position='first')

    print(df)

    >>>

    col1 col2 col3

    3 NaN 8 4

    4 D 7 2

    5 C 7 8

    2 B 9 9

    1 A 1 1

    0 A 2 0

    按照索引值为0的行,即第一行的值来降序排序

    x = pd.DataFrame({'x1':[1,2,2,3],'x2':[4,3,2,1],'x3':[3,2,4,1]})

    print(x)

    #按照索引值为0的行,即第一行的值来降序排序

    print(x.sort_values(by =0,ascending=False,axis=1))

    >>>

    x1 x2 x3

    0 1 4 3

    1 2 3 2

    2 2 2 4

    3 3 1 1

    x2 x3 x1

    0 4 3 1

    1 3 2 2

    2 2 4 2

    3 1 1 3

    以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

    展开全文
  • text = text.apply( lambda x : x.sort_values()) text1 = text1.apply( lambda x : x.sort_values().values) text.head() text1.head() 2种不同的方法,得到的确实不同的结果 text.head() Wave 2881.39453...

    实际例子

    text1 = text
    text = text.apply( lambda x : x.sort_values())
    text1 = text1.apply( lambda x : x.sort_values().values)
    text.head()
    text1.head()
    

    2种不同的方法,得到的确实不同的结果

    text.head()
        Wave    2881.394531 2880.574219 2879.75293  2878.931641 2878.111328
        N-1     0.220934    0.203666    0.205743    0.196011    0.176293
        N-10    0.432692    0.387074    0.395692    0.355331    0.358963
        N-11    0.483360    0.463233    0.456304    0.428930    0.421482
        N-12    0.365057    0.364417    0.385134    0.352451    0.350513
        N-13    0.492172    0.466263    0.480657    0.439115    0.404883
    
    
    text1.head()
        Wave    2881.394531 2880.574219 2879.75293  2878.931641 2878.111328
        P+1    -21.297623   -25.141329  -21.097095  -31.380476  -38.847958
        P+2    -12.681051   -14.661134  -13.688742  -16.829298  -20.320133
        P+3    -8.164744    -13.097990  -11.784309  -15.419610  -17.822252
        P+4    -0.023353    -0.926852   -8.036203   -14.583183  -17.071484
        P+5     0.022854    -0.037756   -0.002519   -1.891178   -7.795961
    

    解释

    1.df = df.apply( lambda x: x.sort_values())   会考虑到索引再合并
    2.df.apply(lambda x: x.sort_values().values) 先返回numpy的arrays,再将arrays合并为dataframe
    
    展开全文
  • DataFrame.sort_values(by,axis=0,ascending=True,inplace=False,kind='quicksort',na_position='last',ignore_index=False,key=None)[source]沿任一轴按values排序。参数:by:str 或str的list要排序的名称或名称...
  • 目录pandas的sort_index()及单列、多列sort_values()1.sort_index()2.单列sort_values()3.多列sort_values()小结 pandas的sort_index()及单列、多列sort_values() pandas可以通过使用sort_index()及sort_values(by=...
  • 17_pandas.DataFrame,Series排序(sort_values,sort_index) 要对pandas.DataFrame和pandas.Series进行排序,可以使用sort_values()和sort_index()方法。 请注意,旧版本中存在的sort()方法已废弃。 按元素...
  • pandas 根据某一列排序(sort_values

    万次阅读 2020-03-26 17:49:45
    官方文档: ...df.sort_values(by="XXXX" , ascending=False) by 指定列 ascending #coding=utf-8 import pandas as pd import num...
  • 首先 这个函数是对列进行排序的 即对values进行排序单列的大家都明白 这里我们讨论下多列的举个例子df = pd.DataFrame({'col1' : ['A', 'A', 'B', np.nan, 'D', 'C'],'col2' : [2, 1, 9, 8, 7, 4],'col3': [0, 1, 9,...
  • Pandas排序sort_index/sort_values

    千次阅读 2018-09-16 14:36:56
      这个函数似乎不建议使用了,推荐使用sort_values详情参看:官方文档。 '''将'Date'设置为行索引并按时间排序:set_index()/sort_index()''' app.set_index('Date',inplace=True) # 时间,先后 # 排序 app....
  • sort_values() 1 可用于对dateframe的多列同时进行排序 True是升序,False是降序,默认是升序 kk.sort_values(by=['listing_id','order_id'], ascending=[True, True]) # user_id listing_id order_id # 193 ...
  • 在创建DataFrame前,我们先生成... 排序 sort_values sort_values其它参数:axis=0或者1 纵向排序还是横;na_position='last' 将空值排在最后;kind和inplace是排序的具体方式,一般数据用不到。 sort_values其它参数
  • 一、sort_values()函数用途 pandas中的sort_values()函数原理类似于SQL中的order by,可以将数据集依照某个字段中的数据进行排序,该函数即可根据指定列数据也可根据指定行的数据排序。 二、sort_values()函数的具体...
  • 并行排序很难. Dask.dataframe中有两个选项set_index与现在一样,您可以使用单个列索引调用set_index:In [1]: import pandas as pdIn [2]: import dask.dataframe as ddIn [3]: df = pd.DataFrame({'x': [3, 2, 1], ...
  • pandas sort_values

    2020-10-15 21:38:55
    pandas排序的方法有很多,sort_values表示根据某一列排序 pd.sort_values("xxx",inplace=True) 表示pd按照xxx这个字段排序,inplace默认为False,如果该值为False,那么原来的pd顺序没变,只是返回的是排序的 ...
  • sort_values()——

    万次阅读 2018-11-21 19:27:17
    pandas中的sort_values()函数,可以将数据集依照某个字段中的数据进行排序,该函数即可根据指定列数据也可根据指定行的数据排序。 sort_values()函数的具体参数 DataFrame.sort_values(by, axis=0, ascending=True, ...
  • import pandas as pd df = pd.DataFrame(……) 说明:以下“df”为DataFrame对象。 1. df. sort_values() 作用:既可以根据列数据,也可根据行数据排序。 注意:必须指定by参数,即必须指定...DataFrame.sort_values...
  • Pandas学习之sort_values()

    2020-08-21 14:40:18
    Pandas学习之sort_values() sort_values()主要用于对数据进行排序,使数据整洁有序,具有更强的表现性。 官方文档: DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind=‘quicksort’, na_...
  • 一、sort_values()函数用途pandas中的sort_values()函数原理类似于SQL中的order by,可以将数据集依照某个字段中的数据进行排序,该函数即可根据指定列数据也可根据指定行的数据排序。二、sort_values()函数的具体...
  • python pandas sort_values()

    2019-11-19 17:40:40
    sort_values() 用法: DataFrame.sort_values(by=‘’,axis=0,ascending=True, inplace=False, na_position=‘last’)
  • sort_values() 作用:既可以根据列数据,也可根据行数据排序。 注意:必须指定by参数,即必须指定哪几行或哪几列;无法根据index名和columns名排序(由.sort_index()执行) 调用方式 DataFrame.sort_va...
  • sort_values()是pandas中比较常用的排序方法,其主要涉及以下三个参数:by : str or list of str(字符或者字符列表)Name or list of names to sort by.当需要按照多个列排序时,可使用列表ascending : bool or list ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,049
精华内容 1,619
关键字:

sort_values