python - Pandas:concat 函数删除了数据帧的先前排序

Question

考虑两个名为“socio_demo”([198 行 x 15 列])和 UPDRS_sorted([198 行 x 70 列])的数据帧。 让我们来做:

socio_demo_sorted = socio_demo.sort_values(['NUMERO_CENTRE_1','NUMERO_INCLUSION_1'])
UPDRS_sorted = UPDRS.sort_values(['NUMERO_CENTRE_2','NUMERO_INCLUSION_2'])

UPDRS_sorted['NUMERO_CENTRE_2'] 给出

Out[22]: 
3     1
9     1
13    1
18    1
24    1
     ..
6     6
16    6
20    6
25    6
34    6
Name: NUMERO_CENTRE_2, Length: 198, dtype: int64

现在让我们连接两个排序的数据集:

frames = [socio_demo_sorted,UPDRS_sorted]
full_data = pd.concat(frames,axis = 1)

给出了预期的[198行x 85列]形状。 然而，做

full_data['NUMERO_CENTRE_2']

返回原始(未排序)UPDRS 数据:

0      3
1      4
2      2
3      1
4      5
      ..
193    1
194    1
195    1
196    1
197    1
Name: NUMERO_CENTRE_2, Length: 198, dtype: int64

我不明白为什么“.sort_values”函数的效果在这里丢失了。

Answer 1

原始未排序数据帧的行索引在排序后被保留(尽管它们在排序后被打乱)。连接 2 个已排序的数据帧后，连接的数据帧将根据这些原始索引重新排列。因此，返回到未排序的订单。

您可以通过使用已排序数据帧的 .reset_index(drop=True) 重置索引或直接在排序步骤中使用参数 ignore_index=True 来解决此问题:

使用其中之一:

socio_demo_sorted = socio_demo.sort_values(['NUMERO_CENTRE_1','NUMERO_INCLUSION_1']).reset_index(drop=True)
UPDRS_sorted = UPDRS.sort_values(['NUMERO_CENTRE_2','NUMERO_INCLUSION_2']).reset_index(drop=True)

或通过:

socio_demo_sorted = socio_demo.sort_values(['NUMERO_CENTRE_1','NUMERO_INCLUSION_1'], ignore_index=True)
UPDRS_sorted = UPDRS.sort_values(['NUMERO_CENTRE_2','NUMERO_INCLUSION_2'], ignore_index=True)

然后，根据您的代码进行连接:

frames = [socio_demo_sorted,UPDRS_sorted]
full_data = pd.concat(frames,axis = 1)