我有python熊貓數據框,其中一列包含月份名稱。在熊貓數據框中自定義排序
我怎樣才能做一個自定義排序使用字典,例如:
custom_dict = {'March':0, 'April':1, 'Dec':3}
我有python熊貓數據框,其中一列包含月份名稱。在熊貓數據框中自定義排序
我怎樣才能做一個自定義排序使用字典,例如:
custom_dict = {'March':0, 'April':1, 'Dec':3}
熊貓0.15介紹Categorical Series,它允許更清晰的方法來做到這一點:
首先使月份列爲分類並指定要使用的排序。現在
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
,當你排序月份列,將排序相對於該名單:
In [23]: df.sort("m")
Out[23]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
注:如果值是不在列表中,它將被轉換爲NaN。對
對於那些有興趣一位年長的答案...
您可以創建一箇中介系列和set_index
:
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()
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
正如評論說,在新的大熊貓,系列有一個replace
方法可以更優雅地做到這一點:
s = df['m'].replace({'March':0, 'April':1, 'Dec':3})
稍有不同的是,如果字典外面有一個值(它會保持不變),這不會引發此問題。
's = df ['m']。replace({'March':0,'April':1,'Dec':3})'也適用於第2行 - 僅僅爲了任何人學習熊貓像我一樣 – kdauria
@kdauria好點! (已經有一段時間了,因爲我寫了這個!)替換絕對最好的選擇,另一個是使用'.apply({'March':0,'April':1,'Dec':3} .get)':) In 0.15我們將擁有分類系列/專欄,所以最好的方法是使用它,然後排序就可以工作。 –
@AndyHayden我冒昧地用'替換'方法替換第二行。我希望這是好的。 –
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))
返回與列三月,四月一個數據幀,十二月
這可以工作,更容易在任何現有的代碼中寫入。謝謝! – posdef
遊戲有點晚了,但是這裏有一種方法可以創建一個函數,使用任意函數對pandas Series,DataFrame和multiindex DataFrame對象進行排序。
我使用df.iloc[index]
方法,該方法引用Series/DataFrame中按位置排序的行(與按值引用的df.loc
進行比較)。利用這一點,我們就必須有一個返回一系列位置參數的函數:
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
您可以使用它來創建自定義排序功能。這適用於安迪·海登的回答中使用的數據框:
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
這也適用於多指標DataFrames和Series對象:
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
對我來說,這種感覺乾淨,但它在很大程度上使用Python操作,而不是依賴關於優化的熊貓業務。我沒有做過任何壓力測試,但我想這可能會在非常大的DataFrame上變慢。不確定性能如何與添加,排序和刪除列相比。任何提示加快代碼的提示將不勝感激!
列中是否包含月份名稱意味着存在包含月份名稱的列(作爲我的答案),或列名稱與月份名稱很多的列(如eumiro's)? –