Question

有没有办法测试数据帧是否按照不是索引的给定列进行排序（即非索引列的等效于is_monotonic（））而不重新调用排序，并且不转换列成一个索引？

Answer 1

pd.algos中有一些可能有用的功能。它们是所有未记录的实现细节，因此它们可能会在不同版本之间发生变化：

>>> 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

is_monotonic_*函数采用指定dtype的数组和＆＃34; timelike＆＃34;对于大多数用例，boolean应该是False。（对于涉及以整数表示的时间的情况，Pandas将其设置为True。）返回值是一个元组，其第一个元素表示数组是否单调非递减，其第二个元素表示数组是否是单调非-increasing。其他元组元素依赖于版本：

>>> 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

所有这些函数都假设一个特定的输入dtype，甚至是is_lexsorted，它假定输入是int64数组的列表。传递错误的dtype，它真的很混乱：

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

我不完全确定为什么系列没有某种短路is_sorted。可能有些东西比它看起来更棘手。

Answer 2

您可以使用numpy方法：

import numpy as np

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

更直接的方法（就像你建议的那样，但你说你不想要它......）是转换为索引并使用is_monotonic属性：

import pandas as pd

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

Answer 3

同时，从0.19.0开始，有pandas.Series.is_monotonic_increasing，pandas.Series.is_monotonic_decreasing和pandas.Series.is_monotonic。

检查非索引列是否在Pandas中排序

3 个答案: