【Python】Pandas數據排序實現

公眾號：尤而小屋
作者：Peter
編輯：Peter

在以前的一篇文章? ?圖解Pandas的排序機制sort_values? ?詳細介紹了如何使用pandas的內置函數sort_values來實現數據的排序。本文講解的是如何使用自定義方式來實現排序：

• 映射關系實現
• CategoricalDtype類型實現

模擬數據

先模擬一份簡單的數據：

import?pandas?as?pd
import?numpy?as?np

df?=?pd.DataFrame({
????"nick":["aaa","bbb","aba","abc","cac","ccc"],??#?昵稱
????"math":[100,120,130,111,100,128],??#?數學
????"english":[140,80,120,90,125,116],??#?英語
????"size":["S","M","L","XS","XL","L"]???#?衣服大小
????})

df

sort_values

DataFrame.sort_values(by,?
???????????????axis=0,?
???????????????ascending=True,?
???????????????inplace=False,?
???????????????kind='quicksort',?
???????????????na_position='last',?# last，first；默認是last
???????????????ignore_index=False,?
???????????????key=None)

參數的具體解釋為：

• by：表示根據什么字段或者索引進行排序，可以是一個或多個
• axis：排序是在橫軸還是縱軸，默認是縱軸axis=0
• ascending：排序結果是升序還是降序，默認是升序
• inplace：表示排序的結果是直接在原數據上的就地修改還是生成新的DatFrame
• kind：表示使用排序的算法，快排quicksort,，歸并mergesort， 堆排序heapsort，穩(wěn)定排序stable ，默認是 ：快排quicksort
• na_position：缺失值的位置處理，默認是最后，另一個選擇是首位
• ignore_index：新生成的數據幀的索引是否重排，默認False（采用原數據的索引）
• key：排序之前使用的函數

下面通過幾個簡單的例子來復習下sort_values的使用：

單個字段排序

通過nick字段排序，字符串是根據字母的ASCII碼；默認是從小到大的升序。第一個字母相同，則比較第二個，類推：

根據數值的大小來升序排列：

可以將排序方式改為降序：

多個字段排序

多個字段的同時排序，默認也是升序。當第一個字段的取值相同，再根據第二個字段來升序排列

給不同的字段指定不同的排序方式：

再完整地對比下兩種不同的方式：

上面的就是sort_values方法的常見排序方式。

自定義排序

使用sort_values方法排序的時候都是內置的字母或者數值型數據的大小直接來排序，當遇到下面的情況，該如何操作？

當我們根據衣服的大小size來排序，得到的結果是：

明顯這樣的排序方式不是我們理想中的樣子，在我們的認知中：

• XS：很小
• S：小
• M：中等
• L：大
• XL：超大

該如何解決這個問題？提供兩種方式：

方法1：通過映射

1、先找到每個size的順序對應的數值大小

2、生成新的字段order

3、我們對order進行排序

方法2：使用CategoricalDtype

CategoricalDtype是具有類別和順序的分類數據的類型，能夠創(chuàng)建我們自定義的排序數據類型。官網地址：

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.CategoricalDtype.html

1、指定一個分類的數據類型CategoricalDtype

category_size?=?pd.CategoricalDtype(
????['XS',?'S',?'M',?'L',?'XL'],?
????ordered=True)

category_size

2、將size字段設置成上面的CategoricalDtype類型

3、我們直接對size使用sort_values就可以達到我們的目的，和上面的map映射的效果是相同的

而且通過查看df的數據類型，我們也看到size的類型是category：