판다 데이터 프레임의 사용자 지정 정렬
저는 python panda 데이터 프레임을 가지고 있는데, 열에는 월 이름이 들어 있습니다.
사전을 사용하여 사용자 지정 정렬을 수행하는 방법은 다음과 같습니다.
custom_dict = {'March':0, 'April':1, 'Dec':3}
Pandas 0.15는 이를 위한 훨씬 명확한 방법을 제공하는 범주형 시리즈를 도입했습니다.
먼저 월 열을 범주형으로 만들고 사용할 순서를 지정합니다.
In [21]: df['m'] = pd.Categorical(df['m'], ["March", "April", "Dec"])
In [22]: df # looks the same!
Out[22]:
a b m
0 1 2 March
1 5 6 Dec
2 3 4 April
이제 월 열을 정렬하면 해당 목록과 관련하여 정렬됩니다.
In [23]: df.sort_values("m")
Out[23]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
참고: 값이 목록에 없으면 NaN으로 변환됩니다.
관심 있는 사람들을 위한 오래된 대답은...
중간 시리즈를 생성할 수 있으며, 이를 기반으로 다음과 같은 작업을 수행할 수 있습니다.
df = pd.DataFrame([[1, 2, 'March'],[5, 6, 'Dec'],[3, 4, 'April']], columns=['a','b','m'])
s = df['m'].apply(lambda x: {'March':0, 'April':1, 'Dec':3}[x])
s.sort_values()
In [4]: df.set_index(s.index).sort()
Out[4]:
a b m
0 1 2 March
1 3 4 April
2 5 6 Dec
언급했듯이, 최신 판다에서 Series는 이를 보다 우아하게 수행할 수 있는 방법을 가지고 있습니다.
s = df['m'].replace({'March':0, 'April':1, 'Dec':3})
약간 다른 점은 사전 밖에 값이 있으면 값이 올라가지 않는다는 것입니다(그냥 그대로 유지됨).
판다 >= 1.1
곧 사용할 수 있습니다.sort_values와 함께key인수:
pd.__version__
# '1.1.0.dev0+2004.g8d10bfb6f'
custom_dict = {'March': 0, 'April': 1, 'Dec': 3}
df
a b m
0 1 2 March
1 5 6 Dec
2 3 4 April
df.sort_values(by=['m'], key=lambda x: x.map(custom_dict))
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec그key인수는 시리즈를 입력으로 사용하고 시리즈를 반환합니다.이 시리즈는 내부적으로 정렬되며 정렬된 인덱스는 입력 데이터 프레임의 순서를 변경하는 데 사용됩니다.정렬할 열이 여러 개인 경우 키 기능이 각 열에 차례로 적용됩니다.키로 정렬을 참조하십시오.
판다 <= 1.0.x
한 가지 간단한 방법은 출력을 사용하고 다음으로 인덱싱하는 것입니다.dfargsort를 사용하면 정렬된 정수 위치가 생성되므로 사용할 수 있습니다. 사전이 있으므로 쉽게 사용할 수 있습니다.
df.iloc[df['m'].map(custom_dict).argsort()]
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
내림차순으로 정렬해야 하는 경우 매핑을 반전합니다.
df.iloc[(-df['m'].map(custom_dict)).argsort()]
a b m
1 5 6 Dec
2 3 4 April
0 1 2 March
숫자 항목에서만 사용할 수 있습니다.그렇지 않으면 을 사용하여 이 문제를 해결하고 인덱스에 액세스해야 합니다.
df.loc[df['m'].map(custom_dict).sort_values(ascending=False).index]
a b m
1 5 6 Dec
2 3 4 April
0 1 2 March
에서 더 많은 옵션을 사용할 수 있습니다.astype(지금은 더 이상 사용되지 않음) 또는 , 그러나 다음을 지정해야 합니다.ordered=True정확하게 작동하기 위해.
# Older version,
# df['m'].astype('category',
# categories=sorted(custom_dict, key=custom_dict.get),
# ordered=True)
df['m'] = pd.Categorical(df['m'],
categories=sorted(custom_dict, key=custom_dict.get),
ordered=True)
이제 간단한 통화만으로도 효과를 볼 수 있습니다.
df.sort_values('m')
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
다음과 같은 경우에도 범주형 순서가 부여됩니다.groupby출력을 정렬합니다.
갱신하다
선택한 답변을 사용하세요! 이 게시물보다 최신이며 팬더의 주문된 데이터를 관리하는 공식적인 방법일 뿐만 아니라 기능/성능 등 모든 면에서 더 좋습니다.아래에 설명한 나의 엉터리 방법을 사용하지 마십시오.
사람들이 계속해서 제 답변에 투표해서 이 업데이트를 쓰는 것 뿐인데, 확실히 승인된 것보다 더 안 좋습니다 :)
원본 게시물
게임에 조금 늦었지만 임의의 함수를 사용하여 Panda Series, DataFrame 및 MultiIndex DataFrame 개체를 정렬하는 기능을 만드는 방법이 있습니다.
나는 그것을 사용합니다.df.iloc[index]하는 method(method)입니다.df.loc값으로 참조).이를 사용하여 일련의 위치 인수를 반환하는 함수만 있으면 됩니다.
def sort_pd(key=None,reverse=False,cmp=None):
def sorter(series):
series_list = list(series)
return [series_list.index(i)
for i in sorted(series_list,key=key,reverse=reverse,cmp=cmp)]
return sorter
이를 통해 사용자 정의 정렬 기능을 만들 수 있습니다.이것은 Andy Hayden의 답변에 사용된 데이터 프레임에서 작동합니다.
df = pd.DataFrame([
[1, 2, 'March'],
[5, 6, 'Dec'],
[3, 4, 'April']],
columns=['a','b','m'])
custom_dict = {'March':0, 'April':1, 'Dec':3}
sort_by_custom_dict = sort_pd(key=custom_dict.get)
In [6]: df.iloc[sort_by_custom_dict(df['m'])]
Out[6]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
이는 다중 인덱스 DataFrames 및 Series 개체에서도 작동합니다.
months = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
df = pd.DataFrame([
['New York','Mar',12714],
['New York','Apr',89238],
['Atlanta','Jan',8161],
['Atlanta','Sep',5885],
],columns=['location','month','sales']).set_index(['location','month'])
sort_by_month = sort_pd(key=months.index)
In [10]: df.iloc[sort_by_month(df.index.get_level_values('month'))]
Out[10]:
sales
location month
Atlanta Jan 8161
New York Mar 12714
Apr 89238
Atlanta Sep 5885
sort_by_last_digit = sort_pd(key=lambda x: x%10)
In [12]: pd.Series(list(df['sales'])).iloc[sort_by_last_digit(df['sales'])]
Out[12]:
2 8161
0 12714
3 5885
1 89238
제가 보기에 이것은 깨끗하지만 최적화된 판다 작업에 의존하기보다는 파이썬 작업을 많이 사용합니다.스트레스 테스트는 하지 않았지만 매우 큰 데이터 프레임에서는 속도가 느려질 수 있습니다.열을 추가하고 정렬한 다음 삭제하는 것과 성능이 어떻게 비교되는지 잘 모르겠습니다.코드 속도를 높이는 데 필요한 팁이 있다면 감사하겠습니다!
import pandas as pd
custom_dict = {'March':0,'April':1,'Dec':3}
df = pd.DataFrame(...) # with columns April, March, Dec (probably alphabetically)
df = pd.DataFrame(df, columns=sorted(custom_dict, key=custom_dict.get))
3월, 4월, 12월 열이 있는 데이터 프레임을 반환합니다.
저는 같은 작업을 했지만 여러 열에서 정렬해야 하는 추가 작업이 있었습니다.
해결책 중 하나는 두 열을 모두 PD로 만드는 것입니다.범주형 및 예상 순서를 인수 "범주"로 전달합니다.
하지만 저는 알려지지 않은\예상치 못한 값을 강요할 수 없는 몇 가지 요구 사항이 있었는데, 불행하게도 그것이 PD입니다.Categical은 하고 있습니다.또한 없음은 범주로 지원되지 않으며 자동으로 강제 적용됩니다.
그래서 제 솔루션은 키를 사용하여 맞춤형 정렬 순서로 여러 열을 정렬하는 것이었습니다.
import pandas as pd
df = pd.DataFrame([
[A2, 2],
[B1, 1],
[A1, 2],
[A2, 1],
[B1, 2],
[A1, 1]],
columns=['one','two'])
def custom_sorting(col: pd.Series) -> pd.Series:
"""Series is input and ordered series is expected as output"""
to_ret = col
# apply custom sorting only to column one:
if col.name == "one":
custom_dict = {}
# for example ensure that A2 is first, pass items in sorted order here:
def custom_sort(value):
return (value[0], int(value[1:]))
ordered_items = list(col.unique())
ordered_items.sort(key=custom_sort)
# apply custom order first:
for index, item in enumerate(ordered_items):
custom_dict[item] = index
to_ret = col.map(custom_dict)
# default text sorting is about to be applied
return to_ret
# pass two columns to be sorted
df.sort_values(
by=["two", "one"],
ascending=True,
inplace=True,
key=custom_sorting,
)
print(df)
출력:
5 A1 1
3 A2 1
1 B1 1
2 A1 2
0 A2 2
4 B1 2
이 솔루션은 속도가 느릴 수 있습니다.
언급URL : https://stackoverflow.com/questions/13838405/custom-sorting-in-pandas-dataframe
'source' 카테고리의 다른 글
| Jackson을 사용하여 Instant를 ISO8601로 직렬화할 때 강제로 밀리초 (0) | 2023.07.21 |
|---|---|
| Console Service Discovery를 통한 자동 프록시 서비스 (0) | 2023.07.21 |
| 이전 달의 날짜/시간 개체 반환 (0) | 2023.07.16 |
| 탐색 기능? (0) | 2023.07.16 |
| Python을 사용하여 sqlite3 데이터베이스 테이블로 CSV 파일 가져오기 (0) | 2023.07.16 |