對使用自然排序的Pandas框架進行多列標簽排序

我想按多列對熊貓框架進行排序。我的約束讓我遇到了麻煩，其中一列（第一列）需要自然排序，所以我嘗試了以下方法：

sortedFrame = inFrame.sort_values(by=['Col_Arg', 'Col_Step'],
                                      key=lambda x:np.argsort(index_natsorted(inFrame['Col_Arg'])))

但此代碼導致框架僅按 Col_Arg 排序。例如輸入幀

結果是

您可以將 Col_Arg 想象為索引標題。在該索引標題內是要執行的步驟 (Col_2)。由于 Col_Arg 是一個無法轉換為整數的字串，因此我想使用 natsort，它可以很好地單獨為 Col_Arg 排序，但不適用于多個列名。簡單的方法就是為標題引入一個額外的索引。然后我可以很容易地使用：

sortedFrame = inFrame.sort_values(['Col_Arg_Idx', 'Col_2'])

因為我對 python 和 pandas 很陌生，所以我很好奇，我想了解我的誤解是什么以及你會怎么做，因為我認為我應該是可能的。我可以想象它與密鑰的使用有關：

key: keycallable, optional 在排序前對值應用key函式。這類似于內置 sorted() 函式中的 key 引數，但顯著的區別是這個 key 函式應該是矢量化的。它應該期望一個系列并回傳一個與輸入具有相同形狀的系列。它將獨立應用于 by 中的每一列。

但這并不意味著它適用于所有......我有點困惑。

為了后面引入中間步驟，索引最初從 10 開始遞增 10。

提前致謝。

uj5u.com熱心網友回復：

因此，您的代碼的問題在于，當您pandas.DataFrame.sort_values在引數旁邊使用多個列時key，pandas 按照您在引數中定義的順序獲取每個系列，并呼叫該函式，按照它們在呼叫之前出現的順序by=["col1", "col2"]將列值傳遞給它.sort_values

例如，讓我們定義一個簡單的函式，它只列印它接收到的引數，并將其用作我們的key引數：

import pandas as pd
import numpy as np
from natsort import index_natsorted, natsort_keygen, natsorted


# == Sample DataFrame ============================
df = pd.DataFrame(
    {
        'Col_Arg': ['First', 'Second', 'First', 'Third', 'Fourth', 'Tenth'],
        'Col_Step': [20, 10, 10, 30, 20, 5]
    }
)


# == Simple Key Function ============================

def print_values(x):
    print(x)
    return x


df.sort_values(
   by=["Col_Arg", "Col_Step"],
   key=lambda x: print_values(x)
)
# Returns:
"""
0     1 First
1    2 Second
2     1 First
3     3 Third
4    4 Fourth
5    10 Tenth
Name: Col_Arg, dtype: object
0    20
1    10
2    10
3    30
4    20
5     5
Name: Col_Step, dtype: int64
"""

所以基本上pandas.DataFrame.sort_values將每一列作為一個系列傳遞給您的函式，并且它希望您的函式進行一些轉換以使列“可排序”。以下是 pandas 檔案中的引數描述：

key: callable, 可選

描述：

在排序之前將key函式應用于值。這類似于內置sorted()函式中的 key 引數，顯著的區別是這個 key 函式應該被矢量化。它應該期望一個系列并回傳一個與輸入具有相同形狀的系列。它將獨立應用于 by 中的每一列。

換句話說，如果要在同一pandas.DataFrame.sort_values操作中對兩列進行排序，則需要傳入一個能夠轉換'Col_Arg'為數字形式的函式，同時不加'Col_Step'修改地回傳。此外，通過使用inFrameinkey=lambda x:np.argsort(index_natsorted(inFrame['Col_Arg']))而不是傳遞x，鍵函式將根據inFrame索引在呼叫函式之前存在的順序對值進行排序。sort_values這是一個例子：

df.sort_values(
   by=["Col_Arg", "Col_Step"],
   key=lambda x: print_values(np.argsort(index_natsorted(df["Col_Step"])))
)
# Prints:
"""
[3 1 2 5 4 0]
[3 1 2 5 4 0]
"""

因此，第一次key呼叫該函式時，它使用 對資料幀索引進行排序[3 1 2 5 4 0]，然后它應用與以前相同的順序，但現在所有索引都已移動，因此最終破壞了排序操作。

快速解決

如前所述，該key函式按照它們在排序操作之前存在的順序獲取每個列值。所以我們需要創建一個將'Col_Arg'值轉換為數字的函式，而不是嘗試在 key 函式內部進行排序。有一個名為number-parser的包可以為你做這件事。要安裝它，請運行以下代碼：

pip install number-parser

然后，您可以創建一個在內部使用的函式，key如下所示：

import numpy as np
import pandas as pd
from number_parser import parse_ordinal


def custom_sort(col: pd.Series) -> pd.Series:
    if col.name == "Col_Arg":
        return col.apply(parse_ordinal)
    return col

df.sort_values(
   by=["Col_Arg", "Col_Step"],
   key=custom_sort
)
# Returns:
"""
  Col_Arg  Col_Step
2   First        10
0   First        20
1  Second        10
3   Third        30
4  Fourth        20
5   Tenth         5
"""

解決方案 2：另一種選擇是執行以下操作：

import pandas as pd
import numpy as np
from natsort import index_natsorted, natsort_keygen, natsorted


df.sort_values(
    by="Col_Arg", key=lambda col: np.argsort(index_natsorted(col))
).groupby("Col_Arg", as_index=False).apply(
    lambda grp: grp.sort_values("Col_Step")
).reset_index(
    drop=True
)
# Returns:
"""
  Col_Arg  Col_Step
0   First        10
1   First        20
2  Fourth        20
3  Second        10
4   Tenth         5
5   Third        30
"""

標籤：Python熊猫排序纳特索

上一篇：無法對偶數后跟奇數的陣列進行排序

下一篇：根據最后一位對陣列進行排序（因為陣列值由_分隔）