精华内容
下载资源
问答
  • pandas 多列排序

    千次阅读 2018-12-10 15:13:00
    import pandas as pd df = pd.DataFrame({'AAA' : [1,2,1,3], 'BBB' : [1,1,2,2], 'CCC' : [2,1,3,1]}) source_cols = df.columns new_cols = [str(x) + "_cat" for x in source_cols] categories = {1 : 'Alp.....
    import pandas as pd
    df = pd.DataFrame({'AAA' : [1,2,1,3], 'BBB' : [1,1,2,2], 'CCC' : [2,1,3,1]})
    source_cols = df.columns
    new_cols = [str(x) + "_cat" for x in source_cols]
    categories = {1 : 'Alpha', 2 : 'Beta', 3 : 'Charlie' }
    df[new_cols] = df[source_cols].applymap(categories.get)
    df.sort_values(['AAA_cat','BBB_cat'],ascending=[0,1],inplace=True)
    

      

     

    转载于:https://www.cnblogs.com/mahailuo/p/10096646.html

    展开全文
  • pandas按照多列排序-ascending

    千次阅读 2021-01-22 10:43:46
    import pandas as pd #读取文件 df = pd.read_csv('./TianQi.csv') #字符串替换和类型转换 df['最高温度'] = df['最高温度'].str.replace('℃','').astype('int32') df.loc[:,'最低温度'] = df['最低温度'].str....

    代码示例:

    import pandas as pd
    
    #读取文件
    df = pd.read_csv('./TianQi.csv')
    #字符串替换和类型转换
    df['最高温度'] = df['最高温度'].str.replace('℃','').astype('int32')
    df.loc[:,'最低温度'] = df['最低温度'].str.replace('℃','').astype('int32')
    #排序并获取最高温度前5名
    print(df.sort_values(by='最高温度',ascending=False).head())
    '''
    打印:
                日期  最高温度  最低温度      天气   风向  风级 空气质量
    184   2019/7/4    38    25    晴~多云  西南风  2级    良
    206  2019/7/26    37    27       晴  西南风  2级    良
    142  2019/5/23    37    21       晴  东南风  2级    良
    183   2019/7/3    36    24       晴  东南风  1级    良
    204  2019/7/24    36    27  多云~雷阵雨  西南风  2级    良
    '''
    
    #按照多列排序
    print(df.sort_values(by=['最高温度','最低温度'],ascending= True).head(10))
    '''
    打印:
                 日期  最高温度  最低温度     天气   风向  风级 空气质量
    363  2019/12/30    -5   -12      晴  西北风  4级    优
    364  2019/12/31    -3   -10      晴  西北风  1级    优
    42    2019/2/12    -3    -8  小雪~多云  东北风  2级    优
    44    2019/2/14    -3    -6  小雪~多云  东南风  2级    良
    14    2019/1/15    -2   -10      晴  西北风  3级    良
    37     2019/2/7    -2    -7     多云  东北风  3级    优
    38     2019/2/8    -1    -7     多云  西南风  2级    优
    4      2019/1/5     0    -8     多云  东北风  2级    优
    39     2019/2/9     0    -8     多云  东北风  2级    优
    40    2019/2/10     0    -8     多云  东南风  1级    优
    '''
    print(df.sort_values(by=['最高温度','最低温度'],ascending= False).head(10))
    '''
    打印:
               日期  最高温度  最低温度      天气   风向  风级  空气质量
    184   2019/7/4    38    25    晴~多云  西南风  2级     良
    206  2019/7/26    37    27       晴  西南风  2级     良
    142  2019/5/23    37    21       晴  东南风  2级     良
    201  2019/7/21    36    27    晴~多云  西南风  2级  轻度污染
    204  2019/7/24    36    27  多云~雷阵雨  西南风  2级     良
    207  2019/7/27    36    27      多云  东南风  2级  轻度污染
    174  2019/6/24    36    24      多云  东南风  2级     良
    175  2019/6/25    36    24      多云  东南风  2级     良
    183   2019/7/3    36    24       晴  东南风  1级     良
    170  2019/6/20    36    23    多云~晴  东南风  2级  轻度污染
    '''
    print(df.sort_values(by=['最高温度','最低温度'],ascending= [True,False]).head(10))
    '''
    打印:
                 日期  最高温度  最低温度     天气   风向  风级 空气质量
    363  2019/12/30    -5   -12      晴  西北风  4级    优
    44    2019/2/14    -3    -6  小雪~多云  东南风  2级    良
    42    2019/2/12    -3    -8  小雪~多云  东北风  2级    优
    364  2019/12/31    -3   -10      晴  西北风  1级    优
    37     2019/2/7    -2    -7     多云  东北风  3级    优
    14    2019/1/15    -2   -10      晴  西北风  3级    良
    38     2019/2/8    -1    -7     多云  西南风  2级    优
    4      2019/1/5     0    -8     多云  东北风  2级    优
    39     2019/2/9     0    -8     多云  东北风  2级    优
    40    2019/2/10     0    -8     多云  东南风  1级    优
    '''

     

    展开全文
  • 按照某一列排序 d = {'A': [3, 6, 6, 7, 9], 'B': [2, 5, 8, 0, 0]} df = pd.DataFrame(data=d) print('排序前:\n', df) ''' 排序前: A B 0 3 2 1 6 5 2 6 8 3 7 0 4 9 0 ''' res = df.sort_val...

    welcome to my blog

    按照某一列排序

    d = {'A': [3, 6, 6, 7, 9], 'B': [2, 5, 8, 0, 0]}
    df = pd.DataFrame(data=d)
    print('排序前:\n', df)
    '''
    排序前:
       A  B
    0  3  2
    1  6  5
    2  6  8
    3  7  0
    4  9  0
    '''
    res = df.sort_values(by='A', ascending=False)
    print('按照A列的值排序:\n', res)
    '''
    按照A列的值排序:
       A  B
    4  9  0
    3  7  0
    1  6  5
    2  6  8
    0  3  2
    '''
    

    按照多列排序

    d = {'A': [3, 6, 6, 7, 9], 'B': [2, 5, 8, 0, 0]}
    df = pd.DataFrame(data=d)
    print('排序前:\n', df)
    '''
    排序前:
       A  B
    0  3  2
    1  6  5
    2  6  8
    3  7  0
    4  9  0
    '''
    res = df.sort_values(by=['A', 'B'], ascending=[False, False])
    print('按照A列B列的值排序:\n', res)
    '''
    按照A列B列的值排序:
       A  B
    4  9  0
    3  7  0
    2  6  8
    1  6  5
    0  3  2
    '''
    
    展开全文
  • import pandas as pd df = pd.DataFrame(data=[ [1, 1], [2, 1], [3, 1], [1, 2], [1, 3], ], columns=['a', 'b']) df.sort_values(by=['a', 'b'], ascending=[True, True], inplace=True) print(df) 结果:...
    import pandas as pd
    
    df = pd.DataFrame(data=[
        [1, 1],
        [2, 1],
        [3, 1],
        [1, 2],
        [1, 3],
    ], columns=['a', 'b'])
    
    df.sort_values(by=['a', 'b'], ascending=[True, True], inplace=True)
    print(df)
    

    结果:

       a  b
    0  1  1
    3  1  2
    4  1  3
    1  2  1
    2  3  1
    
    展开全文
  • import pandas as pd import os os.chdir(r'C:\Users\Hans\Desktop\data_analysis') df = pd.read_excel('pandas_multiindex.xls') df.head() 日期 收盘 开盘 高 低 交易量 涨跌幅 公司 ...
  • pandas 按照指定顺序进行列排序 将排序列设置成“category”数据类型 list_custom = ['b', 'a', 'c'] df['words'] = df['words'].astype('category') df['words'].cat.reorder_categories(list_custom, inplace=True...
  • import pandas as pd shop = pd.read_csv("data/shop.csv", index_col='id') shop.sort_values(by='price', inplace=True) 结果: 按照降序,传递进ascending,并将其值改为False即可: import pandas as pd shop =...
  • 请问一下各位,这个地方我想对多列同时进行排序,写法按说没有任何问题,可是为什么最后的排序结果只针对by里面的第一个参数,后两列完全没按照我设好的False\True顺序排序呀。。 请问下是为什么,难道是我对sort_...
  • 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 ascending #coding=utf-8 import pandas as pd import num...
  • 多列进行排序方法如下: # 对user_id,sku_id这两列进行排序 df = df.sort_index(by=['user_id', 'sku_id']) 以上这篇Pandas 对Dataframe结构排序的实现方法就是小编分享给大家的全部内容了,希望能给大家一个...
  • Pandas分组与排序

    千次阅读 2019-01-11 15:21:17
    一、pandas分组 1、分组运算过程:split->apply->combine 拆分:进行分组的根据 应用:每个分组运行的计算规则 合并:把每个分组的计算结果合并起来 2、分组函数 DataFrame.group...
  • 今天小编就为大家分享一篇pandas pivot_table() 按日期分多列数据的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • 来源:Python数据之道 (ID:PyDataLab)作者:阳哥大家好,我是阳哥。Pandas 可以说是 在Python数据科学领域应用最为广泛的工具之一。Pandas是一种高效的数据处...
  • Pandas 数据排序与过滤

    2019-11-12 10:23:30
    **1 排序 ...若axis=0或’index’,则按照指定中数据大小排序;若axis=1或’columns’,则按照指定索引中数据大小排序,默认axis=0 ascending 是否按指定的数组升序排列,默认为True,即升...
  • pandas 按照某一进行排序

    万次阅读 2018-10-29 17:38:00
    pandas排序的方法有很,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...
  • pandas 列拆分多列

    2020-07-31 15:38:36
    == "3")] 数据按照莫格字段排序 tempData=tempData.sort_values(by='C',ascending=False) 用到了sort_values函数,by参数可以指定根据哪一列数据进行排序,ascending是设置升序和降序(选择多列或者多行排序要加[ ]...
  • pandas自定义排序

    千次阅读 2018-10-09 17:32:39
    import pandas as pd #数据集 df = pd.DataFrame({'word':['a','b','c'], 'num':[2,1,3]}) #自定义排序顺序,此顺序对应为升序ascending=...#对相关进行自定义排序 df['word'] = df['word'].astype('category')....
  • 今天小编就为大家分享一篇Pandas统计重复的里面的值方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • python 中pandas对不同排序及去重

    千次阅读 2019-04-01 13:56:18
    t_repay_M0.sort_values(['分组','回款金额'],ascending=[True,False]) df_part_1.drop_duplicates(['user_id','behavior_type'], 'last')
  • 一、定义数据框DataFrame import pandas frame = pandas.DataFrame({"a":[9,2,5,1],"b":[4,7,-3,2],"c":[6,5,8,3]})   frame ...二、按对DataFrame排序 1....
  • 多层索引的创建 ...import pandas as pd s = pd.Series([1,2,3,4,5,6],index=[['张三','张三','李四','李四','王五','王五'], ['期中','期末','期中','期末','期中','期末']]) # print(s) s 张三 期中
  • pandas筛选与排序

    2020-04-23 16:04:12
    pandas筛选排序 处理csv文件必备 常见筛选 注:df为已读取的csv文件 文中df后跟的字段名称多为名字 (1)简单直接筛选 A大于0 df[df['A']>0] df.iloc[:3,:][df.ON_LINE_NUM<100] df[df['Gender']=='F'] ...
  • Pandas知识点-排序操作

    2021-03-15 22:34:37
    Pandas知识点-排序操作
  • 一、pandas分组* 1、分组运算过程:split->apply->combine 拆分:进行分组的根据 应用:每个分组运行的计算规则 合并:把每个分组的计算结果合并起来 2、分组函数 DataFrame.groupby(by=None, axis=0, ...
  • pandas的sort ...request_id=16018035701
  • pandas分组后排序问题

    千次阅读 2019-08-10 01:01:06
    先进行整体的sort_values,再进行grouby https://blog.csdn.net/guofei_fly/article/details/93844612
  • Pandas---按列排序

    2021-07-01 17:09:42
    Pandas—按列排序 按单列 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 df.sort_values(by=['col1'], ascending=True) # ascending = True 默认升序,
  • bandpoi=inbandtick.groupby([‘label’])[‘POI属性’].apply(lambda x: ‘;’.join([m[0] for m in Counter(x).most_common(2)])) print(bandpoi)
  • 设有如下的多重索引的dataframe 要实现的功能为,按ID降序,number升序排列 dataframe.sort_index(level=[0,1],ascending=[False,True])
  • 选中最贵的:选中表格---选择“排序和筛选/自定义排序”---设定“主要关键字”---设置“次序”,即排序方式,确定即可实现按照“ListPrice”所在进行按大到小的排序。 选出最容易剁手的那个:认为不值的里面...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 15,594
精华内容 6,237
关键字:

pandas多列排序