使用sort_values（）

Question

獨立排序一個pandas DataFrame的所有列我有一個數據框，並希望按降序或升序獨立排序所有列。

import pandas as pd 

data = {'a': [5, 2, 3, 6], 
     'b': [7, 9, 1, 4], 
     'c': [1, 5, 4, 2]} 
df = pd.DataFrame.from_dict(data) 
    a b c 
0 5 7 1 
1 2 9 5 
2 3 1 4 
3 6 4 2 

當我使用sort_values()此預期（對我來說）它不工作，僅排序一列：

foo = df.sort_values(by=['a', 'b', 'c'], ascending=[False, False, False]) 
    a b c 
3 6 4 2 
0 5 7 1 
2 3 1 4 
1 2 9 5 

我可以得到想要的結果，如果我使用該解決方案從this答案它應用了一個λ函數：

bar = df.apply(lambda x: x.sort_values().values) 
print(bar) 

    a b c 
0 2 1 1 
1 3 4 2 
2 5 7 4 
3 6 9 5 

但是這看起來有點壓倒我。

上面的sort_values()示例中實際發生了什麼，以及如何在沒有lambda函數的情況下以pandas方式對數據框中的所有列進行排序？

Answer 1

您可以使用numpy.sort與DataFrame構造：

df1 = pd.DataFrame(np.sort(df.values, axis=0), index=df.index, columns=df.columns) 
print (df1) 
    a b c 
0 2 1 1 
1 3 4 2 
2 5 7 4 
3 6 9 5 

編輯：

回答由大到小順序爲：

arr = df.values 
arr.sort(axis=0) 
arr = arr[::-1] 
print (arr) 
[[6 9 5] 
[5 7 4] 
[3 4 2] 
[2 1 1]] 

df1 = pd.DataFrame(arr, index=df.index, columns=df.columns) 
print (df1) 
    a b c 
0 6 9 5 
1 5 7 4 
2 3 4 2 
3 2 1 1 

Answer 2

sort_values將被列命令你傳遞整個數據幀進行排序到它。在你的第一個例子中，你用['a', 'b', 'c']排序整個數據幀。這將首先按'a'排序，然後按'b'排序，最後按'c'排序。

請注意，在按a排序後，行數保持不變。這是預期的結果。

使用lambda您將每列傳遞給它，這意味着sort_values將應用於單列，這就是爲什麼第二種方法按照您的預期對列進行排序。在這種情況下，行會改變。

如果你不想使用lambda也不numpy您可以使用此得到解決：

pd.DataFrame({x: df[x].sort_values().values for x in df.columns.values}) 

輸出：

a b c 
0 2 1 1 
1 3 4 2 
2 5 7 4 
3 6 9 5