如何在 Pandas DataFrame 中对组内的数据进行排序？

在 pandas 中进行分组排序

使用 pandas 数据框时，通常需要按特定列对数据进行分组，然后执行其他操作在这些群体中。一个常见的要求是根据特定标准对分组数据进行排序。

要实现此目的，可以将 groupby 函数与 sort_values 函数链接起来。例如，考虑一个包含 count、job 和 source 列的数据框 df。

In [167]: df

Out[167]:
   count     job source
0      2   sales      A
1      4   sales      B
2      6   sales      C
3      3   sales      D
4      7   sales      E
5      5  market      A
6      3  market      B
7      2  market      C
8      4  market      D
9      1  market      E

如果您想按 job 和 source 对数据进行分组，然后按 count 降序对聚合结果进行排序，您可以执行以下操作：

In [168]: df.groupby(['job','source']).agg({'count':sum})

这将创建一个新的数据框，其中包含每个组的聚合计数值。但是，生成的数据帧不会按计数排序。要对数据帧进行排序，您可以使用 sort_values 函数：

In [34]: df.sort_values(['job','count'],ascending=False)

这将首先按作业对数据帧进行排序，然后按计数降序排列。生成的数据框将如下所示：

Out[35]: 
   count     job source
4      7   sales      E
2      6   sales      C
1      4   sales      B
5      5  market      A
8      4  market      D
6      3  market      B

要获取每组的前三行，您可以使用 head 函数：

In [34]: df.sort_values(['job','count'],ascending=False).groupby('job').head(3)

这将生成一个新的数据框包含每组的前三行，按计数降序排列。

Out[35]: 
   count     job source
4      7   sales      E
2      6   sales      C
1      4   sales      B
5      5  market      A
8      4  market      D
6      3  market      B

以上是如何在 Pandas DataFrame 中对组内的数据进行排序？的详细内容。更多信息请关注PHP中文网其他相关文章！