如何对 DataFrame 进行排序,以便“回收”重复列中的行?
例如,我原来的 DataFrame 是这样的:
In [3]: df
Out[3]:
A B
0 r1 0
1 r1 1
2 r2 2
3 r2 3
4 r3 4
5 r3 5
我希望它变成:
In [3]: df_sorted
Out[3]:
A B
0 r1 0
2 r2 2
4 r3 4
1 r1 1
3 r2 3
5 r3 5
对行进行排序,使 A
列中的行处于“回收”方式。
我在 Pandas 中搜索过 API,但似乎没有任何合适的方法可以这样做。我可以编写一个复杂的函数来完成此操作,但只是想知道是否有任何聪明的方法或现有的 pandas 方法可以做到这一点?非常感谢。
更新:
为错误的陈述道歉。在我的实际问题中,B
列包含字符串值。
最佳答案
您可以使用 cumcount
用于计算 A
列中的重复项,然后是 sort_values
首先是 A
(在示例中不是必需的,在实际数据中可能很重要)然后是 C
。最后删除列 C
by drop
:
df['C'] = df.groupby('A')['A'].cumcount()
df.sort_values(by=['C', 'A'], inplace=True)
print (df)
A B C
0 r1 0 0
2 r2 2 0
4 r3 4 0
1 r1 1 1
3 r2 3 1
5 r3 5 1
df.drop('C', axis=1, inplace=True)
print (df)
A B
0 r1 0
2 r2 2
4 r3 4
1 r1 1
3 r2 3
5 r3 5
时间:
小 df (len(df)=6
)
In [26]: %timeit (jez(df))
1000 loops, best of 3: 2 ms per loop
In [27]: %timeit (boud(df1))
100 loops, best of 3: 2.52 ms per loop
大 df (len(df)=6000
)
In [23]: %timeit (jez(df))
100 loops, best of 3: 3.44 ms per loop
In [28]: %timeit (boud(df1))
100 loops, best of 3: 2.52 ms per loop
计时代码:
df = pd.concat([df]*1000).reset_index(drop=True)
df1 = df.copy()
def jez(df):
df['C'] = df.groupby('A')['A'].cumcount()
df.sort_values(by=['C', 'A'], inplace=True)
df.drop('C', axis=1, inplace=True)
return (df)
def boud(df):
df['C'] = df.groupby('A')['B'].rank()
df = df.sort_values(['C', 'A'])
df.drop('C', axis=1, inplace=True)
return (df)
100 loops, best of 3: 4.29 ms per loop
关于python - 按重复项对 DataFrame 的行进行排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38949190/