按重复对 DataFrame 的行进行排序

时间:2023-02-04
本文介绍了按重复对 DataFrame 的行进行排序的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

如何对 DataFrame 进行排序,以便回收"重复列中的行?

How can I sort a DataFrame so that rows in the duplicate column are "recycled"?

例如,我原来的 DataFrame 是这样的:

For example, my original DataFrame looks like this:

In [3]: df
Out[3]: 
    A  B
0  r1  0
1  r1  1
2  r2  2
3  r2  3
4  r3  4
5  r3  5

我希望它转向:

In [3]: df_sorted
Out[3]: 
    A  B
0  r1  0
2  r2  2
4  r3  4
1  r1  1
3  r2  3
5  r3  5

对行进行排序,使得列 A 中的行处于回收"状态.时尚.

Rows are sorted such that rows in columns A are in a "recycled" fashion.

我在 Pandas 中搜索过 API,但似乎没有任何合适的方法可以这样做.我可以编写一个复杂的函数来完成此操作,但只是想知道是否有任何智能方法或现有的 pandas 方法可以做到这一点?提前非常感谢.

I have searched APIs in Pandas, but it seems there isn't any proper method to do so. I can write a complicated function to accomplish this, but just wondering is there any smart way or existing pandas method can do this? Thanks a lot in advance.

更新:为错误的陈述道歉.在我真正的问题中,列 B 包含字符串值.

Update: Apologies for a wrong statement. In my real problem, column B contains string values.

推荐答案

你可以使用cumcount 用于计算列 A 中的重复项,然后是 sort_values 首先由 A (在示例没必要,在实际数据中可能很重要),然后通过 C.最后删除列 C 由 <代码>丢弃:

You can use cumcount for counting duplicates in column A, then sort_values first by A (in sample not necessary, in real data maybe important) and then by C. Last remove column C by drop:

df['C'] = df.groupby('A')['A'].cumcount()
df.sort_values(by=['C', 'A'], inplace=True)
print (df)
    A  B  C
0  r1  0  0
2  r2  2  0
4  r3  4  0
1  r1  1  1
3  r2  3  1
5  r3  5  1

df.drop('C', axis=1, inplace=True)
print (df)
    A  B
0  r1  0
2  r2  2
4  r3  4
1  r1  1
3  r2  3
5  r3  5

时间安排:

小df (len(df)=6)

In [26]: %timeit (jez(df))
1000 loops, best of 3: 2 ms per loop

In [27]: %timeit (boud(df1))
100 loops, best of 3: 2.52 ms per loop

大 df (len(df)=6000)

In [23]: %timeit (jez(df))
100 loops, best of 3: 3.44 ms per loop

In [28]: %timeit (boud(df1))
100 loops, best of 3: 2.52 ms per loop

计时代码:

df = pd.concat([df]*1000).reset_index(drop=True) 
df1 = df.copy()

def jez(df):
    df['C'] = df.groupby('A')['A'].cumcount()
    df.sort_values(by=['C', 'A'], inplace=True)
    df.drop('C', axis=1, inplace=True)
    return (df)

def boud(df):
    df['C'] = df.groupby('A')['B'].rank()
    df = df.sort_values(['C', 'A'])
    df.drop('C', axis=1, inplace=True)
    return (df)
100 loops, best of 3: 4.29 ms per loop

这篇关于按重复对 DataFrame 的行进行排序的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持html5模板网!

上一篇:Pandas - 根据条件复制行 下一篇:如何并行遍历两个列表?

相关文章

最新文章