检查是否在Pandas中排序的非索引列

有没有方法可以测试数据框是否按照非索引的给定列进行排序（即，对于非索引列，是否存在与is_monotonic（）的等效值）而不调用再次重新排序，并且不将列转换为索引？检查是否在Pandas中排序的非索引列

2015-02-09 nick_eu

pd.algos有一些功能可能有用。他们都是无证实现细节，所以他们可能从发行版本而变化：

>>> pd.algos.is[TAB] 
pd.algos.is_lexsorted   pd.algos.is_monotonic_float64 pd.algos.is_monotonic_object 
pd.algos.is_monotonic_bool  pd.algos.is_monotonic_int32 
pd.algos.is_monotonic_float32 pd.algos.is_monotonic_int64

的is_monotonic_*函数采用指定的D型和“类时”布尔应该是False大多数用例的阵列。（Pandas将它设置为True，涉及时间表示为整数的情况。）返回值是一个元组，其第一个元素表示数组是单调不递减的，第二个元素表示数组是单调不递增的。其他元组元素是版本相关：

>>> df = pd.DataFrame({"A": [1,2,2], "B": [2,3,1]}) 
>>> pd.algos.is_monotonic_int64(df.A.values, False)[0] 
True 
>>> pd.algos.is_monotonic_int64(df.B.values, False)[0] 
False

所有这些功能假定一个特定的输入D型细胞，甚至is_lexsorted，其中假定输入是int64阵列的列表。它传递了错误的D型，它变得非常困惑：

In [32]: pandas.algos.is_lexsorted([np.array([-2, -1], dtype=np.int64)]) 
Out[32]: True 
In [33]: pandas.algos.is_lexsorted([np.array([-2, -1], dtype=float)]) 
Out[33]: False 
In [34]: pandas.algos.is_lexsorted([np.array([-1, -2, 0], dtype=float)]) 
Out[34]: True

我不完全知道为什么系列还没有某种短路is_sorted。可能有些东西会使它比看起来更复杂。

来源

2015-02-09 22:02:52 DSM

这两个惊人的指向我这个pd.algos库，并提示！任何你知道任何简单的方法来处理降序排序的机会？我想要它排序，所以我可以拉第一（最大）行。我可以调用len（）并根据需要获取最后一行，只是寻找速度。 – 2015-02-09 22:15:37

@nick_eu：不是，我很害怕。尽管如此，你总是可以使用'.iloc [-1]'获取最后一行。当然是 – DSM 2015-02-09 22:23:15

！没有想到这一点。谢谢！ – 2015-02-09 22:28:18

可以使用numpy的方法：

import numpy as np 

def is_df_sorted(df, colname): 
    return (np.diff(df[colname]) > 0).all()

更直接的方式（如你的建议，但你说你不希望它..）被转换成一个索引，使用is_monotonic属性：

import pandas as pd 

def is_df_sorted(df, colname): 
    return pd.Index(df[colname]).is_monotonic

来源

2015-02-09 21:41:33 shx2

谢谢shx2！这符合我的目标，但事实证明： assert(df.column.diff()[1:] <= 0).all()（diff的第一个值是NaN）比仅用mergesort进行排序要慢。另外，is_monotonic（）不能容忍弱单调列，所以在我的情况下不起作用。：/但也许在一个更大的数据集比较会收益。 – 2015-02-09 22:04:18

也许使用'> = 0'？ – DSM 2015-02-09 22:05:44

我正在排序降序，所以我可以抢第一项... – 2015-02-09 22:08:31

检查是否在Pandas中排序的非索引列

回答

相关问题