如何使用来自多列的值对熊猫数据框进行排序？

Question

我有以下的数据帧：

df = pandas.DataFrame([{'c1':3,'c2':10},{'c1':2, 'c2':30},{'c1':1,'c2':20},{'c1':2,'c2':15},{'c1':2,'c2':100}]) 

或者，在人类可读的形式：

c1 c2 
0 3 10 
1 2 30 
2 1 20 
3 2 15 
4 2 100 

以下排序命令按预期工作：

df.sort(['c1','c2'], ascending=False) 

输出：

c1 c2 
0 3 10 
4 2 100 
1 2 30 
3 2 15 
2 1 20 

但下面的命令：

df.sort(['c1','c2'], ascending=[False,True]) 

结果

c1 c2 
2 1 20 
3 2 15 
1 2 30 
4 2 100 
0 3 10 

，这不是我所期望的。我期望第一列中的值从最大到最小排列，如果第一列中有相同的值，则按第二列中的升序值排序。

有谁知道为什么它不能按预期工作？

ADDED

这是复制粘贴：

>>> df.sort(['c1','c2'], ascending=[False,True]) 
    c1 c2 
2 1 20 
3 2 15 
1 2 30 
4 2 100 
0 3 10 

Answer 1

您的代码为我工作。

>>> import pandas 
>>> df = pandas.DataFrame([{'c1':3,'c2':10},{'c1':2, 'c2':30},{'c1':1,'c2':20},{'c1':2,'c2':15},{'c1':2,'c2':100}]) 
>>> df.sort(['c1','c2'], ascending=[False,True]) 
    c1 c2 
0 3 10 
3 2 15 
1 2 30 
4 2 100 
2 1 20 

---

你粘贴为是？

>>> df.sort(['c1','c2'], ascending=[True,True]) 
    c1 c2 
2 1 20 
3 2 15 
1 2 30 
4 2 100 
0 3 10 

---

UPDATEDataFrame.sort已弃用;使用DataFrame.sort_values。

>>> df.sort(['c1','c2'], ascending=[False,True]) 
__main__:1: FutureWarning: sort(columns=....) is deprecated, use sort_values(by=.....) 
    c1 c2 
0 3 10 
3 2 15 
1 2 30 
4 2 100 
2 1 20 
>>> df.sort_values(['c1','c2'], ascending=[False,True]) 
    c1 c2 
0 3 10 
3 2 15 
1 2 30 
4 2 100 
2 1 20 

Answer 2

如果你正在写这个代码的脚本文件，那么你必须把它写这样的：

df = df.sort(['c1','c2'], ascending=[False,True]) 

Answer 3

使用sort可能导致警告消息。见github讨论。 所以，你可能想使用sort_values，文档here

然后你的代码可以是这样的：

df = df.sort_values(by=['c1','c2'], ascending=[False,True]) 

Answer 4

我发现这是非常有用的：

df = pd.DataFrame({'A' : range(0,10) * 2, 'B' : np.random.randint(20,30,20)}) 

# A ascending, B descending 
df.sort(**skw(columns=['A','-B'])) 

# A descending, B ascending 
df.sort(**skw(columns=['-A','+B'])) 

注意与标准columns=,ascending=参数，这里的列名和它们的排序顺序在同一个地方。因此，您的代码更易于阅读和维护。

注到.sort实际调用是不变的，skw（小号 ORT千瓦参数）是只是一个小的辅助函数解析列，并返回通常columns=和ascending=参数为您服务。像通常那样传递任何其他类型的kwargs。将以下代码复制/粘贴到您的本地utils.py然后忘掉它，并只是像上面那样使用它。

# utils.py (or anywhere else convenient to import) 
def skw(columns=None, **kwargs): 
    """ get sort kwargs by parsing sort order given in column name """ 
    # set default order as ascending (+) 
    sort_cols = ['+' + col if col[0] != '-' else col for col in columns] 
    # get sort kwargs 
    columns, ascending = zip(*[(col.replace('+', '').replace('-', ''), 
           False if col[0] == '-' else True) 
           for col in sort_cols]) 
    kwargs.update(dict(columns=list(columns), ascending=ascending)) 
    return kwargs 

Answer 5

的dataframe.sort（）方法是 - 所以我的理解 - 在熊猫> 0.18弃用。为了解决您的问题，您应该使用dataframe.sort_values（）代替：

f.sort_values(by=["c1","c2"], ascending=[False, True]) 

输出看起来是这样的：

c1 c2 
    3 10 
    2 15 
    2 30 
    2 100 
    1 20 

Answer 6

在我的情况下，接受的答案没有工作：

f.sort_values（由= [ “C1”， “C2”]，上升= [假，真]）

只有按预期以下工作：

f = f.sort_values(by=["c1","c2"], ascending=[False, True])