我有python pandas数据帧,其中一列包含月份名称.
如何使用字典进行自定义排序,例如:
custom_dict = {'March':0, 'April':1, 'Dec':3}
And*_*den 101
Pandas 0.15引入了分类系列,它允许更清晰的方式来执行此操作:
首先使月份列成为分类,并指定要使用的顺序.
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
现在,当您对月份列进行排序时,它将根据该列表进行排序:
In [23]: df.sort("m")
Out[23]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
注意:如果列表中没有值,它将转换为NaN.
那些感兴趣的人的答案较旧
您可以创建一个中间系列,并set_index在其上:
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
正如评论的那样,在较新的大熊猫中,Series有一种replace更优雅的方法:
s = df['m'].replace({'March':0, 'April':1, 'Dec':3})
稍有不同的是,如果字典外有一个值,它就不会上升(它只会保持不变).
Mic*_*ado 10
游戏有点晚了,但是这里有一种方法可以创建一个使用任意函数对pandas Series,DataFrame和multiindex DataFrame对象进行排序的函数.
我使用了df.iloc[index]方法,该方法按位置引用Series/DataFrame中的行(与之相比df.loc,引用值).使用这个,我们只需要一个返回一系列位置参数的函数:
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
您可以使用它来创建自定义排序功能.这适用于Andy Hayden的答案中使用的数据框:
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
这也适用于多索引DataFrames和Series对象:
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
对我来说,这感觉很干净,但它大量使用python操作,而不是依赖于优化的pandas操作.我没有做任何压力测试,但我想这可能会在非常大的DataFrame上变慢.不确定性能与添加,排序,然后删除列的比较.有关加速代码的任何提示将不胜感激!
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))
返回包含March,April,Dec列的DataFrame
v0.23 +答案- sort已弃用。
...但这不是答案的重点。有多个选项可以执行此操作。
一个简单的方法是使用输出Series.map和Series.argsort索引到df使用DataFrame.iloc（因为argsort产生已排序的整数位置）; 因为你有一本字典；这变得容易。
# Setup
df
a b m
0 1 2 March
1 5 6 Dec
2 3 4 April
custom_dict = {'March': 0, 'April': 1, 'Dec': 3}
df.iloc[df['m'].map(custom_dict).argsort()]
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
如果需要按降序排序，请反转映射。
df.iloc[(-df['m'].map(custom_dict)).argsort()]
a b m
1 5 6 Dec
2 3 4 April
0 1 2 March
请注意，这仅适用于数字项目。否则，您将需要使用来解决此问题sort_values，并访问索引：
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
更多的选择与astype（这是现在不建议使用），或者pd.Categorical，但你需要指定ordered=True为它工作正常。
# 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
)
现在，一个简单的sort_values调用即可解决问题：
df.sort_values('m')
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
在groupby对输出进行排序时，也将遵守分类顺序。