我有 python pandas 数据框，其中一列包含月份名称。
如何使用字典进行自定义排序，例如：
custom_dict = {'March':0, 'April':1, 'Dec':3}
问问题
120406 次
5 回答
187
Pandas 0.15 引入了Categorical Series，它允许以更清晰的方式执行此操作：
首先将月份列设为分类并指定要使用的排序。
In [21]: df['m'] = pd.Categorical(df['m'], ["March", "April", "Dec"])
In [22]: df # looks the same!
Out[22]:
a b m
0 1 2 March
1 5 6 Dec
2 3 4 April
现在，当您对月份列进行排序时，它将根据该列表进行排序：
In [23]: df.sort_values("m")
Out[23]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
注意：如果一个值不在列表中，它将被转换为 NaN。
对于那些感兴趣的人来说，一个较旧的答案......
您可以创建一个中间系列，然后set_index：
df = pd.DataFrame([[1, 2, 'March'],[5, 6, 'Dec'],[3, 4, 'April']], columns=['a','b','m'])
s = df['m'].apply(lambda x: {'March':0, 'April':1, 'Dec':3}[x])
s.sort_values()
In [4]: df.set_index(s.index).sort()
Out[4]:
a b m
0 1 2 March
1 3 4 April
2 5 6 Dec
正如所评论的，在较新的 pandas 中，Series 有一种replace更优雅的方法：
s = df['m'].replace({'March':0, 'April':1, 'Dec':3})
细微的差别是，如果字典之外有值，这不会提高（它会保持不变）。
于 2012-12-12T11:44:10.410 回答
46
熊猫 >= 1.1
您很快就能使用sort_valueswithkey参数：
pd.__version__
# '1.1.0.dev0+2004.g8d10bfb6f'
custom_dict = {'March': 0, 'April': 1, 'Dec': 3}
df
a b m
0 1 2 March
1 5 6 Dec
2 3 4 April
df.sort_values(by=['m'], key=lambda x: x.map(custom_dict))
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec该key参数将一个系列作为输入并返回一个系列。该系列在内部是 argsorted，排序后的索引用于重新排序输入 DataFrame。如果有多个列要排序，键函数将依次应用于每一列。请参阅使用键排序。
熊猫 <= 1.0.X
一种简单的方法是使用输出Series.map并Series.argsort索引到dfusing DataFrame.iloc（因为 argsort 产生排序的整数位置）；因为你有字典；这变得容易。
df.iloc[df['m'].map(custom_dict).argsort()]
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
如果您需要按降序排序，请反转映射。
df.iloc[(-df['m'].map(custom_dict)).argsort()]
a b m
1 5 6 Dec
2 3 4 April
0 1 2 March
请注意，这仅适用于数字项目。否则，您将需要使用sort_values和访问索引来解决此问题：
df.loc[df['m'].map(custom_dict).sort_values(ascending=False).index]
a b m
1 5 6 Dec
2 3 4 April
0 1 2 March
更多选项可用于astype（现在已弃用）或pd.Categorical，但您需要指定ordered=True它才能正常工作。
# Older version,
# df['m'].astype('category',
# categories=sorted(custom_dict, key=custom_dict.get),
# ordered=True)
df['m'] = pd.Categorical(df['m'],
categories=sorted(custom_dict, key=custom_dict.get),
ordered=True)
现在，一个简单的sort_values调用就可以解决问题：
df.sort_values('m')
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
对输出进行排序时，也将遵守分类排序groupby。
于 2019-01-22T04:19:13.410 回答
19
更新
使用选定的答案！它比这篇文章更新，不仅是在 pandas 中维护有序数据的官方方式，它在各个方面都更好，包括功能/性能等。不要使用我在下面描述的 hacky 方法。
我只是写这个更新，因为人们一直在支持我的答案，但它肯定比接受的更糟糕:)
原帖
游戏有点晚了，但这里有一种方法可以创建一个函数，使用任意函数对 pandas Series、DataFrame 和多索引 DataFrame 对象进行排序。
我使用了该df.iloc[index]方法，它按位置引用 Series/DataFrame 中的一行（与df.loc按值引用的 相比）。使用它，我们只需要一个返回一系列位置参数的函数：
def sort_pd(key=None,reverse=False,cmp=None):
def sorter(series):
series_list = list(series)
return [series_list.index(i)
for i in sorted(series_list,key=key,reverse=reverse,cmp=cmp)]
return sorter
您可以使用它来创建自定义排序功能。这适用于安迪·海登回答中使用的数据框：
df = pd.DataFrame([
[1, 2, 'March'],
[5, 6, 'Dec'],
[3, 4, 'April']],
columns=['a','b','m'])
custom_dict = {'March':0, 'April':1, 'Dec':3}
sort_by_custom_dict = sort_pd(key=custom_dict.get)
In [6]: df.iloc[sort_by_custom_dict(df['m'])]
Out[6]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
这也适用于多索引 DataFrames 和 Series 对象：
months = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
df = pd.DataFrame([
['New York','Mar',12714],
['New York','Apr',89238],
['Atlanta','Jan',8161],
['Atlanta','Sep',5885],
],columns=['location','month','sales']).set_index(['location','month'])
sort_by_month = sort_pd(key=months.index)
In [10]: df.iloc[sort_by_month(df.index.get_level_values('month'))]
Out[10]:
sales
location month
Atlanta Jan 8161
New York Mar 12714
Apr 89238
Atlanta Sep 5885
sort_by_last_digit = sort_pd(key=lambda x: x%10)
In [12]: pd.Series(list(df['sales'])).iloc[sort_by_last_digit(df['sales'])]
Out[12]:
2 8161
0 12714
3 5885
1 89238
对我来说，这感觉很干净，但它大量使用了 python 操作，而不是依赖于优化的 pandas 操作。我没有进行任何压力测试，但我想这可能会在非常大的 DataFrame 上变慢。不确定性能与添加、排序和删除列相比如何。任何有关加快代码速度的提示将不胜感激！
于 2014-11-19T05:40:45.837 回答
10
import pandas as pd
custom_dict = {'March':0,'April':1,'Dec':3}
df = pd.DataFrame(...) # with columns April, March, Dec (probably alphabetically)
df = pd.DataFrame(df, columns=sorted(custom_dict, key=custom_dict.get))
返回包含 March、April、Dec 列的 DataFrame
于 2012-12-12T11:28:39.633 回答
0
我有同样的任务，但增加了对多列的排序。
解决方案之一是使两列pd.Categorical并将预期顺序作为参数“类别”传递。
但是我有一些要求，我不能强制未知\意外的值，不幸的是，这就是 pd.Categorical 正在做的事情。此外，不支持将None作为类别并自动强制执行。
所以我的解决方案是使用一个键以自定义排序顺序对多个列进行排序：
import pandas as pd
df = pd.DataFrame([
[A2, 2],
[B1, 1],
[A1, 2],
[A2, 1],
[B1, 2],
[A1, 1]],
columns=['one','two'])
def custom_sorting(col: pd.Series) -> pd.Series:
"""Series is input and ordered series is expected as output"""
to_ret = col
# apply custom sorting only to column one:
if col.name == "one":
custom_dict = {}
# for example ensure that A2 is first, pass items in sorted order here:
def custom_sort(value):
return (value[0], int(value[1:]))
ordered_items = list(col.unique())
ordered_items.sort(key=custom_sort)
# apply custom order first:
for index, item in enumerate(ordered_items):
custom_dict[item] = index
to_ret = col.map(custom_dict)
# default text sorting is about to be applied
return to_ret
# pass two columns to be sorted
df.sort_values(
by=["two", "one"],
ascending=True,
inplace=True,
key=custom_sorting,
)
print(df)
输出：
5 A1 1
3 A2 1
1 B1 1
2 A1 2
0 A2 2
4 B1 2
请注意，此解决方案可能会很慢。
于 2021-06-03T22:27:45.820 回答