Panda Python - Ordinamento
Ci sono due tipi di ordinamento disponibili in Panda. Sono -
- Per etichetta
- Per valore effettivo
Consideriamo un esempio con un output.
import pandas as pd
import numpy as np
unsorted_df=pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],colu
mns=['col2','col1'])
print unsorted_dfSuo output è il seguente -
col2 col1
1 -2.063177 0.537527
4 0.142932 -0.684884
6 0.012667 -0.389340
2 -0.548797 1.848743
3 -1.044160 0.837381
5 0.385605 1.300185
9 1.031425 -1.002967
8 -0.407374 -0.435142
0 2.237453 -1.067139
7 -1.445831 -1.701035In unsorted_df, il labels e il valuesnon sono ordinati. Vediamo come possono essere ordinati.
Per etichetta
Usando il sort_index(), passando gli argomenti dell'asse e l'ordine di ordinamento, DataFrame può essere ordinato. Per impostazione predefinita, l'ordinamento viene eseguito sulle etichette delle righe in ordine crescente.
import pandas as pd
import numpy as np
unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],colu
mns = ['col2','col1'])
sorted_df=unsorted_df.sort_index()
print sorted_dfSuo output è il seguente -
col2 col1
0 0.208464 0.627037
1 0.641004 0.331352
2 -0.038067 -0.464730
3 -0.638456 -0.021466
4 0.014646 -0.737438
5 -0.290761 -1.669827
6 -0.797303 -0.018737
7 0.525753 1.628921
8 -0.567031 0.775951
9 0.060724 -0.322425Ordine di ordinamento
Passando il valore booleano al parametro crescente, è possibile controllare l'ordine dell'ordinamento. Consideriamo il seguente esempio per capire lo stesso.
import pandas as pd
import numpy as np
unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],colu
mns = ['col2','col1'])
sorted_df = unsorted_df.sort_index(ascending=False)
print sorted_dfSuo output è il seguente -
col2 col1
9 0.825697 0.374463
8 -1.699509 0.510373
7 -0.581378 0.622958
6 -0.202951 0.954300
5 -1.289321 -1.551250
4 1.302561 0.851385
3 -0.157915 -0.388659
2 -1.222295 0.166609
1 0.584890 -0.291048
0 0.668444 -0.061294Ordina le colonne
Passando l'argomento dell'asse con un valore 0 o 1, l'ordinamento può essere effettuato sulle etichette delle colonne. Per impostazione predefinita, axis = 0, ordina per riga. Consideriamo il seguente esempio per capire lo stesso.
import pandas as pd
import numpy as np
unsorted_df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],colu
mns = ['col2','col1'])
sorted_df=unsorted_df.sort_index(axis=1)
print sorted_dfSuo output è il seguente -
col1 col2
1 -0.291048 0.584890
4 0.851385 1.302561
6 0.954300 -0.202951
2 0.166609 -1.222295
3 -0.388659 -0.157915
5 -1.551250 -1.289321
9 0.374463 0.825697
8 0.510373 -1.699509
0 -0.061294 0.668444
7 0.622958 -0.581378Per valore
Come l'ordinamento degli indici, sort_values()è il metodo per l'ordinamento in base ai valori. Accetta un argomento "by" che utilizzerà il nome della colonna del DataFrame con cui i valori devono essere ordinati.
import pandas as pd
import numpy as np
unsorted_df = pd.DataFrame({'col1':[2,1,1,1],'col2':[1,3,2,4]})
sorted_df = unsorted_df.sort_values(by='col1')
print sorted_dfSuo output è il seguente -
col1 col2
1 1 3
2 1 2
3 1 4
0 2 1Osserva, i valori di col1 vengono ordinati e il rispettivo valore di col2 e l'indice di riga cambieranno insieme a col1. Quindi, sembrano non ordinati.
'by' argomento accetta un elenco di valori di colonna.
import pandas as pd
import numpy as np
unsorted_df = pd.DataFrame({'col1':[2,1,1,1],'col2':[1,3,2,4]})
sorted_df = unsorted_df.sort_values(by=['col1','col2'])
print sorted_dfSuo output è il seguente -
col1 col2
2 1 2
1 1 3
3 1 4
0 2 1Algoritmo di ordinamento
sort_values()fornisce una disposizione per scegliere l'algoritmo da mergesort, heapsort e quicksort. Mergesort è l'unico algoritmo stabile.
import pandas as pd
import numpy as np
unsorted_df = pd.DataFrame({'col1':[2,1,1,1],'col2':[1,3,2,4]})
sorted_df = unsorted_df.sort_values(by='col1' ,kind='mergesort')
print sorted_dfSuo output è il seguente -
col1 col2
1 1 3
2 1 2
3 1 4
0 2 1