给定此数据框和数据透视表:
import pandas as pd
df=pd.DataFrame({'A':['x','y','z','x','y','z'],
'B':['one','one','one','two','two','two'],
'C':[7,5,3,4,1,6]})
df
A B C
0 x one 7
1 y one 5
2 z one 3
3 x two 4
4 y two 1
5 z two 6
table = pd.pivot_table(df, index=['A', 'B'],aggfunc=np.sum)
table
A B
x one 7
two 4
y one 5
two 1
z one 3
two 6
Name: C, dtype: int64
我想对数据透视表进行排序,以便' A'是z,x,y和' B'基于来自数据框列C'的降序排序值。
像这样:
A B
z two 6
one 3
x one 7
two 4
y one 5
two 1
Name: C, dtype: int64
提前致谢!
答案 0 :(得分:2)
我不相信有一个简单的方法来实现你的目标。以下解决方案首先根据列C
的值对您的表进行降序排序。然后根据您所需的顺序连接每个切片。
order = ['z', 'x', 'y']
table = table.reset_index().sort_values('C', ascending=False)
>>> pd.concat([table.loc[table.A == val, :].set_index(['A', 'B']) for val in order])
C
A B
z two 6
one 3
x one 7
two 4
y one 5
two 1
答案 1 :(得分:1)
custom_order = ['z', 'x', 'y']
kwargs = dict(axis=0, level=0, drop_level=False)
new_table = pd.concat(
[table.xs(idx_v, **kwargs).sort_values(ascending=False) for idx_v in custom_order]
)
pd.concat([table.xs(i, drop_level=0).sort_values(ascending=0) for i in list('zxy')]
custom_order
是您所需的订单。
kwargs
是提高可读性的便捷方式(在我看来)。要注意的关键要素axis=0
和level=0
对您来说可能很重要,如果您想进一步利用这一点。但是,这些也是默认值,可以省略。
drop_level=False
是这里的关键参数,有必要保持idx_v
我们正在xs
pd.concat
以pd.concat
将我们所有的方式放在一起
我在print new_table
A B
z two 6
one 3
x one 7
two 4
y one 5
two 1
Name: C, dtype: int64
电话中使用与Alexander完全相同的列表理解。
$(wildcard …)
答案 2 :(得分:1)
如果您可以将A列作为分类数据阅读,那么它就会变得更加简单明了。将您的类别设置为list('zxy')
并指定ordered=True
会使用您的自定义排序。
您可以使用类似的内容读取数据:
'A':pd.Categorical(['x','y','z','x','y','z'], list('zxy'), ordered=True)
或者,您可以按原样读取数据,然后使用astype
将A转换为分类:
df['A'] = df['A'].astype('category', categories=list('zxy'), ordered=True)
一旦A是分类,您可以像以前一样转动,然后按:
排序table = table.sort_values(ascending=False).sortlevel(0, sort_remaining=False)