Question

我有一个熊猫数据框，其中的“用户”列包含分类值（a，b，c，d）。我只关心两个类别的升序排列（a，d）。所以（a，b，c，d）和（a，c，b，d）对我都很好。

问题的第一部分是如何创建订单？

第二，我还有另一列包含“时间戳记”。我想先按“时间戳”对行进行排序，然后再对具有相同时间戳的行按上述分类值排序进行排序。

可以说我的数据框看起来像这样。

+-----------+------+
| Timestamp | User |
+-----------+------+
|         1 | b    |
|         2 | d    |
|         1 | a    |
|         1 | c    |
|         1 | d    |
|         2 | a    |
|         2 | b    |
+-----------+------+

我首先希望这种排序发生

+-----------+------+
| Timestamp | User |
+-----------+------+
|         1 | b    |
|         1 | a    |
|         1 | c    |
|         1 | d    |
|         2 | d    |
|         2 | a    |
|         2 | b    |
+-----------+------+

接着是“用户”的绝对顺序

+-----------+------+
| Timestamp | User |
+-----------+------+
|         1 | a    |
|         1 | b    |
|         1 | c    |
|         1 | d    |
|         2 | a    |
|         2 | b    |
|         2 | d    |
+-----------+------+

OR


+-----------+------+
| Timestamp | User |
+-----------+------+
|         1 | a    |
|         1 | c    |
|         1 | b    |
|         1 | d    |
|         2 | a    |
|         2 | b    |
|         2 | d    |
+-----------+------+

如您所见，“ c”和“ b”的顺序无关紧要。

Answer 1

您可以通过categories来按排序类别指定顺序，然后调用DataFrame.sort_values：

df['User'] = pd.Categorical(df['User'], ordered=True, categories=['a','b','c','d'])

df = df.sort_values(['Timestamp','User'])
print (df)
   Timestamp User
2          1    a
0          1    b
3          1    c
4          1    d
5          2    a
6          2    b
1          2    d

如果User的值很多，则可以动态创建类别：

vals = ['a', 'd']
cats = vals + np.setdiff1d(df['User'], vals).tolist() 
print (cats)
['a', 'd', 'b', 'c']

df['User'] = pd.Categorical(df['User'], ordered=True, categories=cats)
df = df.sort_values(['Timestamp','User'])
print (df)
   Timestamp User
2          1    a
4          1    d
0          1    b
3          1    c
5          2    a
1          2    d
6          2    b

首先通过时间戳值对熊猫中的行进行排序，然后对列的类别值进行特定排序

1 个答案: