Como classificar um dataFrame em pandas python por duas ou mais colunas?

Respostas:

454

A partir da versão 0.17.0, o sortmétodo foi preterido a favor de sort_values. sortfoi completamente removido na versão 0.20.0. Os argumentos (e resultados) permanecem os mesmos:

df.sort_values(['a', 'b'], ascending=[True, False])

Você pode usar o argumento crescente de sort:

df.sort(['a', 'b'], ascending=[True, False])

Por exemplo:

In [11]: df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])

In [12]: df1.sort(['a', 'b'], ascending=[True, False])
Out[12]:
   a  b
2  1  4
7  1  3
1  1  2
3  1  2
4  3  2
6  4  4
0  4  3
9  4  3
5  4  1
8  4  1

Como comentado por @renadeen

A classificação não está no lugar por padrão! Portanto, você deve atribuir o resultado do método de classificação a uma variável ou adicionar inplace = True à chamada do método.

ou seja, se você deseja reutilizar o df1 como um DataFrame classificado:

df1 = df1.sort(['a', 'b'], ascending=[True, False])

ou

df1.sort(['a', 'b'], ascending=[True, False], inplace=True)
Andy Hayden
fonte
6
A classificação não está no lugar por padrão! Portanto, você deve atribuir o resultado do sortmétodo a uma variável ou adicionar inplace=Trueà chamada do método.
renadeen 22/09
2
@renadeen ponto muito bom, eu atualizei por resposta com esse comentário.
Andy Hayden
1
Fiquei surpreso ao saber hoje que esse tipo foi preterido! Com base em algumas das opiniões neste post meta: meta.stackoverflow.com/questions/297404/... eu decidi adicionar uma nova resposta, em vez de tentar uma edição para o seu
Kyle Heuton
2
@ Snoozer Sim, acho que o tipo nunca vai desaparecer (principalmente porque é usado extensivamente no livro de Wes), mas houve algumas grandes mudanças no tipo de chamada . Obrigado! .. Eu realmente preciso automatizar todas as minhas 1000 respostas de pandas por deprecações!
Andy Hayden
40

A partir do pandas 0.17.0, DataFrame.sort()foi preterido e configurado para ser removido em uma versão futura do pandas. A maneira de classificar um quadro de dados por seus valores agora éDataFrame.sort_values

Como tal, a resposta para sua pergunta agora seria

df.sort_values(['b', 'c'], ascending=[True, False], inplace=True)
Kyle Heuton
fonte
4

Para quadros de dados grandes de dados numéricos, você pode ver uma melhoria significativa no desempenho numpy.lexsort, que executa uma classificação indireta usando uma sequência de chaves:

import pandas as pd
import numpy as np

np.random.seed(0)

df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])
df1 = pd.concat([df1]*100000)

def pdsort(df1):
    return df1.sort_values(['a', 'b'], ascending=[True, False])

def lex(df1):
    arr = df1.values
    return pd.DataFrame(arr[np.lexsort((-arr[:, 1], arr[:, 0]))])

assert (pdsort(df1).values == lex(df1).values).all()

%timeit pdsort(df1)  # 193 ms per loop
%timeit lex(df1)     # 143 ms per loop

Uma peculiaridade é que a ordem de classificação definida com numpy.lexsorté invertida: (-'b', 'a')classifica aprimeiro as séries . Negamos sériesb para refletir que queremos essas séries em ordem decrescente.

Esteja ciente de que np.lexsortapenas classifica com valores numéricos, enquanto pd.DataFrame.sort_valuestrabalha com string ou valores numéricos. Usando np.lexsortcom cordas dará: TypeError: bad operand type for unary -: 'str'.

jpp
fonte