Pandas 自定义排序在数据框中的应用

在本文中，我们将介绍如何使用 Pandas 实现自定义排序，以满足在数据分析过程中的不同排序需求。

阅读更多：Pandas 教程

各种排序方式

按单列排序

Pandas 中的 sort_values() 方法可以实现按单列排序，只需要传入要排序的列名即可。例如，有一个数据框 df，其中包含两列，分别为 name 和 age：

import pandas as pd

data = {'name': ['Tom', 'Jerry', 'Kate', 'Lily', 'John'], 'age': [23, 25, 21, 24, 22]}
df = pd.DataFrame(data)

我们可以根据 age 列进行升序排序：

df.sort_values('age', ascending=True, inplace=True)

如果需要降序排序，则只需将 ascending 参数设置为 False。

按多列排序

在实际应用中，有时需要按多列进行排序，这时只需要给 sort_values() 方法传入一个列表，列表中存放要排序的列名即可。例如，在上面的示例数据框中，我们要先按照 age 排序，如果出现年龄相同的情况，则按照 name 进行排序：

df.sort_values(['age', 'name'], ascending=[True, True], inplace=True)

自定义排序

前面的方法仅能满足单列或多列升降序排序的需求。但有时需要按照某一列的特定值的大小进行排序，比如按照五十音图的发音顺序排序日语单词。这时可以使用 Pandas 的 Categorical() 方法实现自定义排序。

例如，我们有一个数据框 df，其中包含两列，分别为 name 和 gender，需要按照 gender 列的特定值进行排序，具体排序规则如下：

• 男性排在女性前面；
• 带有’W’的人排在其他人前面；
• 姓名字典序排在相同性别的人前面。

首先，定义位置码，可以是整数或浮点数，不同取值代表不同的排序顺序：

location_dict = {'M': 1.0, 'W-M': 1.1, 'W-F': 1.2, 'F': 2.0}

接着，通过定义 Categorical 类型，传入数据和排序规则：

df['gender'] = pd.Categorical(df['gender'], categories=location_dict.keys(), ordered=True)
df.sort_values('gender', key=lambda x: x.map(location_dict), inplace=True)

其中，pd.Categorical() 方法将 gender 列变成了 Categorical 数据类型，同时将规定的排序规则传递进去；key 参数则指定了 DataFrame 的排序规则，接受一个参数，即对该列使用 map 函数。

总结

Pandas 提供了多种排序方式，当无法直接使用现有排序方法时，可以通过自定义位置信息以及定义排序规则的 Categorical() 方法实现自定义排序。不同的排序方式可以满足不同的排序需求，我们可以灵活地应用在数据分析实践中。