假设我有以下数据框:
df
A B C D E
z k s 7 d
z k s 6 l
x t r 2 e
x t r 1 x
u c r 8 f
u c r 9 h
y t s 5 l
y t s 2 o
并且我想根据每个子行的 col D 对其进行排序(例如在这种情况下具有相同的 cols A、B 和 C)
预期输出为:
df
A B C D E
z k s 6 l
z k s 7 d
x t r 1 x
x t r 2 e
u c r 8 f
u c r 9 h
y t s 2 o
y t s 5 l
对这种操作有帮助吗?
答案 0 :(得分:5)
我认为应该像这样简单:
df = df.sort_values(["A", "B", "C", "D"])
答案 1 :(得分:2)
您可以使用 groupby 和 sort 值(也归功于@Henry Ecker 的评论):
df.groupby(['A','B','C'],group_keys=False,sort=False).apply(pd.DataFrame.sort_values,'D')
输出:
A B C D E
1 z k s 6 l
0 z k s 7 d
3 x t r 1 x
2 x t r 2 e
4 u c r 8 f
5 u c r 9 h
7 y t s 2 o
6 y t s 5 l
答案 2 :(得分:2)
让我们尝试ngroup
创建帮助列
df['new1'] = df.groupby(['A','B','C'],sort=False).ngroup()
df = df.sort_values(['new1','D']).drop('new1',axis=1)
df
A B C D E
1 z k s 6 l
0 z k s 7 d
3 x t r 1 x
2 x t r 2 e
4 u c r 8 f
5 u c r 9 h
7 y t s 2 o
6 y t s 5 l
答案 3 :(得分:1)
dic = {
'A': [*'zzxxuuyy'],
'B': [*'kkttcctt'],
'C': [*'ssrrrrss'],
'D': [*map(int, '76218952')],
'E': [*'dlexfhlo']
}
df = pd.DataFrame(dic)
df.groupby(['A', 'B']).apply(lambda df: df.sort_values('D')).droplevel(['A', 'B']).reset_index()
如果您想根据“A”、“B”、“C”、“E”列进行排序,那么您必须:
df.groupby(['A', 'B', 'D', 'E']).apply(lambda df: df.sort_values('D')).droplevel(['A', 'B', 'D', 'E']).reset_index()