pandas. dataframe. sort_values#

صعود در مقابل نزولی را مرتب کنید. لیست سفارشات مرتب سازی چندگانه را مشخص کنید. اگر این لیستی از بول ها است ، باید با طول آن مطابقت داشته باشد.

در جایگاه ، پیش فرض نادرست

اگر درست است ، عملکرد را در محل انجام دهید.

انتخاب الگوریتم مرتب سازی. برای اطلاعات بیشتر به numpy. sort () نیز مراجعه کنید. Mergesort و پایدار تنها الگوریتم های پایدار هستند. برای DataFrames ، این گزینه فقط هنگام مرتب سازی بر روی یک ستون یا برچسب واحد اعمال می شود.

na_position ، پیش فرض "آخرین"

در ابتدا NANS را در ابتدا قرار می دهد. آخرین نفر NANS را در پایان قرار می دهد.

IGNORE_INDEX BOOL ، پیش فرض نادرست

اگر درست باشد ، محور حاصل با برچسب 0 ، 1 ،… ، n - 1 برچسب گذاری می شود.

قابل تماس با کلید ، اختیاری

قبل از مرتب سازی ، عملکرد کلید را روی مقادیر اعمال کنید. این شبیه به آرگومان کلیدی در تابع طبقه بندی شده () است ، با این تفاوت قابل توجه که این عملکرد کلیدی باید بردار شود. باید یک سری انتظار داشته باشد و یک سری را با همان شکل ورودی برگرداند. توسط هر ستون به طور مستقل اعمال می شود.

جدید در نسخه 1. 1. 0.

DataFrame یا هیچ یک را برمی گرداند

DataFrame با مقادیر مرتب شده یا هیچ یک در صورت وجود = درست است.

یک DataFrame را بر اساس فهرست مرتب کنید.

روش مشابه برای یک سری.

>>> df = pd.قاب داده( . 'col1': ['آ', 'آ', "ب", np.نای, 'D', 'ج'], . "col2": [2, 1, 9, 8, 7, 4], . 'col3': [0, 1, 9, 4, 2, 3], . "col4": ['آ', "ب", 'ج', 'D', 'e', 'f'] . >) >>> df col1 col2 col3 col4 0 a 2 0 a 1 A 1 1 B 2 B 9 9 C 3 نان 8 4 D 4 D 7 2 E 5 c 4 3 f 

>>> df.طبقه بندی_(by=['col1']) col1 col2 col3 col4 0 a 2 0 a 1 A 1 1 B 2 B 9 9 C 5 c 4 3 f 4 D 7 2 E 3 نان 8 4 D 

مرتب سازی بر اساس چندین ستون

>>> df.طبقه بندی_(by=['col1', "col2"]) col1 col2 col3 col4 1 A 1 1 B 0 a 2 0 a 2 B 9 9 C 5 c 4 3 f 4 D 7 2 E 3 نان 8 4 D 

>>> df.طبقه بندی_(by='col1', صعودی=دروغ) col1 col2 col3 col4 4 D 7 2 E 5 c 4 3 f 2 B 9 9 C 0 a 2 0 a 1 A 1 1 B 3 نان 8 4 D 

قرار دادن NAS اول

>>> df.طبقه بندی_(by='col1', صعودی=دروغ, موقعیت na_tosition='اولین') col1 col2 col3 col4 3 نان 8 4 D 4 D 7 2 E 5 c 4 3 f 2 B 9 9 C 0 a 2 0 a 1 A 1 1 B 

مرتب سازی با یک عملکرد کلیدی

>>> df.طبقه بندی_(by="col4", کلید=لامبدا کول: کول.str.پایین()) col1 col2 col3 col4 0 a 2 0 a 1 A 1 1 B 2 B 9 9 C 3 نان 8 4 D 4 D 7 2 E 5 c 4 3 f 

مرتب سازی طبیعی با آرگومان کلیدی ، با استفاده از بسته NatSort.

>>> df = pd.قاب داده( . "زمان": ['0 ساعت', '128 ساعت', '72 ساعت', '48 ساعت', '96 ساعت'], . "ارزش": [10, 20, 30, 40, 50] . >) >>> df مقدار زمان 0 0 ساعت 10 1 128 ساعت 20 2 72 ساعت 30 3 48 ساعت 40 4 96 ساعت 50 >>> از جانب نابسانی وارد كردن index_natsorted >>> df.طبقه بندی_( . by="زمان", . کلید=لامبدا x: np.مروج کردن(index_natsorted(df["زمان"])) . ) مقدار زمان 0 0 ساعت 10 3 48 ساعت 40 2 72 ساعت 30 4 96 ساعت 50 1 128 ساعت 20