Pandalar Sıralama 101
sort
v0.20'de DataFrame.sort_values
ve ile değiştirilmiştir DataFrame.sort_index
. Bunun dışında bizde de var argsort
.
Sıralamada bazı yaygın kullanım durumları ve mevcut API'deki sıralama işlevleri kullanılarak bunların nasıl çözüleceği aşağıda açıklanmıştır. İlk olarak kurulum.
np.random.seed(0)
df = pd.DataFrame({'A': list('accab'), 'B': np.random.choice(10, 5)})
df
A B
0 a 7
1 c 9
2 c 3
3 a 5
4 b 2
Tek Sütuna Göre Sırala
Örneğin, df
"A" sütununa göre sıralamak sort_values
için tek bir sütun adıyla kullanın:
df.sort_values(by='A')
A B
0 a 7
3 a 5
4 b 2
1 c 9
2 c 3
Yeni bir RangeIndex'e ihtiyacınız varsa kullanın DataFrame.reset_index
.
Birden Çok Sütuna Göre Sırala
Örneğin, içinde hem "A" hem de "B" sütununa göre sıralamak için df
, bir listeyi şuraya aktarabilirsiniz sort_values
:
df.sort_values(by=['A', 'B'])
A B
3 a 5
0 a 7
4 b 2
2 c 3
1 c 9
DataFrame Dizinine Göre Sırala
df2 = df.sample(frac=1)
df2
A B
1 c 9
0 a 7
2 c 3
3 a 5
4 b 2
Bunu kullanarak yapabilirsiniz sort_index
:
df2.sort_index()
A B
0 a 7
1 c 9
2 c 3
3 a 5
4 b 2
df.equals(df2)
df.equals(df2.sort_index())
Performanslarıyla karşılaştırılabilir bazı yöntemler şunlardır:
%timeit df2.sort_index()
%timeit df2.iloc[df2.index.argsort()]
%timeit df2.reindex(np.sort(df2.index))
605 µs ± 13.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
610 µs ± 24.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
581 µs ± 7.63 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
Endeks Listesine Göre Sırala
Örneğin,
idx = df2.index.argsort()
idx
Bu "sıralama" problemi aslında basit bir indeksleme problemidir. Sadece tamsayı etiketlerini geçmek yeterli iloc
olacaktır.
df.iloc[idx]
A B
1 c 9
0 a 7
2 c 3
3 a 5
4 b 2