Пользовательская сортировка в pandas dataframe

Ответ 1

Pandas 0.15 введена категориальная серия, которая позволяет гораздо более понятный способ сделать это:

Сначала сделайте столбец месяца категоричным и укажите порядок использования.

In [21]: df['m'] = pd.Categorical(df['m'], ["March", "April", "Dec"])

In [22]: df  # looks the same!
Out[22]:
   a  b      m
0  1  2  March
1  5  6    Dec
2  3  4  April

Теперь, когда вы сортируете столбец месяца, он будет сортироваться относительно этого списка:

In [23]: df.sort("m")
Out[23]:
   a  b      m
0  1  2  March
2  3  4  April
1  5  6    Dec

Примечание: если значение отсутствует в списке, оно будет преобразовано в NaN.

Более старый ответ для заинтересованных...

Вы можете создать промежуточную серию, а set_index:

df = pd.DataFrame([[1, 2, 'March'],[5, 6, 'Dec'],[3, 4, 'April']], columns=['a','b','m'])
s = df['m'].apply(lambda x: {'March':0, 'April':1, 'Dec':3}[x])
s.sort()

In [4]: df.set_index(s.index).sort()
Out[4]: 
   a  b      m
0  1  2  March
1  3  4  April
2  5  6    Dec

Как прокомментировано, в более новой pandas, серия имеет replace метод, чтобы сделать это более элегантно:

s = df['m'].replace({'March':0, 'April':1, 'Dec':3})

Небольшое различие заключается в том, что это не будет повышаться, если значение за пределами словаря (оно останется неизменным).

Ответ 2

import pandas as pd
custom_dict = {'March':0,'April':1,'Dec':3}

df = pd.DataFrame(...) # with columns April, March, Dec (probably alphabetically)

df = pd.DataFrame(df, columns=sorted(custom_dict, key=custom_dict.get))

возвращает DataFrame со столбцами March, April, Dec

Ответ 3

Немного поздно в игре, но здесь можно создать функцию, которая сортирует объекты pandas, DataFrame и multiindex DataFrame с использованием произвольных функций.

Я использую метод df.iloc[index], который ссылается на строку в серии /DataFrame по позиции (по сравнению с df.loc, которая ссылается на значение). Используя это, мы просто должны иметь функцию, которая возвращает ряд позиционных аргументов:

def sort_pd(key=None,reverse=False,cmp=None):
    def sorter(series):
        series_list = list(series)
        return [series_list.index(i) 
           for i in sorted(series_list,key=key,reverse=reverse,cmp=cmp)]
    return sorter

Вы можете использовать это для создания пользовательских функций сортировки. Это работает на базе данных, используемой в ответе Энди Хейдена:

df = pd.DataFrame([
    [1, 2, 'March'],
    [5, 6, 'Dec'],
    [3, 4, 'April']], 
  columns=['a','b','m'])

custom_dict = {'March':0, 'April':1, 'Dec':3}
sort_by_custom_dict = sort_pd(key=custom_dict.get)

In [6]: df.iloc[sort_by_custom_dict(df['m'])]
Out[6]:
   a  b  m
0  1  2  March
2  3  4  April
1  5  6  Dec

Это также работает с объектами мультииндекса DataFrames и Series:

months = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']

df = pd.DataFrame([
    ['New York','Mar',12714],
    ['New York','Apr',89238],
    ['Atlanta','Jan',8161],
    ['Atlanta','Sep',5885],
  ],columns=['location','month','sales']).set_index(['location','month'])

sort_by_month = sort_pd(key=months.index)

In [10]: df.iloc[sort_by_month(df.index.get_level_values('month'))]
Out[10]:
                 sales
location  month  
Atlanta   Jan    8161
New York  Mar    12714
          Apr    89238
Atlanta   Sep    5885

sort_by_last_digit = sort_pd(key=lambda x: x%10)

In [12]: pd.Series(list(df['sales'])).iloc[sort_by_last_digit(df['sales'])]
Out[12]:
2    8161
0   12714
3    5885
1   89238

Мне это кажется чистым, но он использует операции python, а не опирается на оптимизированные операции pandas. Я не проводил никаких стресс-тестов, но я бы подумал, что это может замедлить работу на очень больших DataFrames. Не знаете, как производительность сравнивается с добавлением, сортировкой и удалением столбца. Любые советы по ускорению кода будут оценены!

Ответ 4

v0. 23+ Ответ - sort устарела.
... Но это не суть этого ответа. Есть несколько вариантов сделать это.

Один простой метод - использовать выходные данные Series.map и Series.argsort для индексации в df с использованием DataFrame.iloc (поскольку argsort создает отсортированные целочисленные позиции); так как у вас есть словарь; это становится легко.

# Setup
df
   a  b      m
0  1  2  March
1  5  6    Dec
2  3  4  April

custom_dict = {'March': 0, 'April': 1, 'Dec': 3}  


df.iloc[df['m'].map(custom_dict).argsort()]

   a  b      m
0  1  2  March
2  3  4  April
1  5  6    Dec

Если вам нужно отсортировать в порядке убывания, инвертируйте отображение.

df.iloc[(-df['m'].map(custom_dict)).argsort()]

   a  b      m
1  5  6    Dec
2  3  4  April
0  1  2  March

Обратите внимание, что это работает только для числовых элементов. В противном случае вам нужно будет обойти это, используя sort_values и доступ к индексу:

df.loc[df['m'].map(custom_dict).sort_values(ascending=False).index]

   a  b      m
1  5  6    Dec
2  3  4  April
0  1  2  March

Дополнительные опции доступны с astype (это устарело) или pd.Categorical, но вам нужно указать pd.Categorical ordered=True чтобы он работал правильно.

# Older version,
# df['m'].astype(
#    'category', categories=sorted(custom_dict, key=custom_dict.get), ordered=True)
df['m'] = pd.Categorical(
    df['m'], categories=sorted(custom_dict, key=custom_dict.get), ordered=True
)

Теперь простой вызов sort_values сделает sort_values дело:

df.sort_values('m')

   a  b      m
0  1  2  March
2  3  4  April
1  5  6    Dec

Категориальное упорядочение также будет groupby когда groupby сортирует вывод.