按绝对值排序而不更改数据

Question

我正在寻找一种简单的方法来按特定列的绝对值对pandas数据帧进行排序,但不会实际更改数据帧中的值.类似的东西sorted(df, key=abs).所以,如果我有一个数据帧,如:

    a   b
0   1   -3
1   2   5 
2   3   -1
3   4   2
4   5   -9

在"b"上排序时得到的排序数据如下所示:

    a   b
2   3   -1
3   4   2
0   1   -3
1   2   5 
4   5   -9

Answer 1

UPDATE

自从并且 已被弃用(感谢@Ruggero Turra),您现在可以使用它来实现:0.17.0 ordersortsort_values

In[16]:

df.reindex(df.b.abs().sort_values().index)
Out[16]: 
   a  b
2  3 -1
3  4  2
0  1 -3
1  2  5
4  5 -9

Answer 2

Pandas > V_1.1.0 的完美简单解决方案：

在函数中使用参数keysort_values()：

import pandas as pd
ttt = pd.DataFrame({'A': ['a', 'b', 'c', 'd', 'e', 'f'], 'B': [-3, -2, -1, 0, 1, 2]})

ttt.sort_values(by='B', key=abs)

将产生：

    A   B
3   d   0
2   c   -1
4   e   1
1   b   -2
5   f   2
0   a   -3

Answer 3

向更多惯用的熊猫：使用 argsort

一种更干净的方法是调用Series.argsort绝对值，然后索引：

df.iloc[df['b'].abs().argsort()]

   a  b
2  3 -1
3  4  2
0  1 -3
1  2  5
4  5 -9

如果您需要重置索引，请使用Series.reset_index，

df.iloc[df['b'].abs().argsort()].reset_index(drop=True)

   a  b
0  3 -1
1  4  2
2  1 -3
3  2  5
4  5 -9

最后，由于argsort没有ascending参数指定升序/降序，因此您需要取反df['b'].abs()以按降序排序。

df.iloc[(-df['b'].abs()).argsort()]

   a  b
4  5 -9
1  2  5
0  1 -3
3  4  2
2  3 -1

您也可以使用NumPy做到这一点-使用np.abs和ndarray.argsort。

df.iloc[np.abs(df['b'].values).argsort()]

   a  b
2  3 -1
3  4  2
0  1 -3
1  2  5
4  5 -9

或者，对于降序，

df.iloc[(-np.abs(df['b'].values)).argsort()]

   a  b
4  5 -9
1  2  5
0  1 -3
3  4  2
2  3 -1