深入理解Pandas数据排序
公众号：尤而小屋
作者：Peter
编辑：Peter
大家好，我是Peter~
在之前的一篇文章中，详细介绍了关于如何使用pandas的内置函数sort_values来实现数据的排序。本文讲解的是如何使用自定义方式来实现排序：
- 映射关系实现
- CategoricalDtype类型实现
image
模拟数据
先模拟一份简单的数据：
import pandas as pd
import numpy as np
df = pd.DataFrame({
"nick":["aaa","bbb","aba","abc","cac","ccc"], # 昵称
"math":[100,120,130,111,100,128], # 数学
"english":[140,80,120,90,125,116], # 英语
"size":["S","M","L","XS","XL","L"] # 衣服大小
})
df
image
sort_values
DataFrame.sort_values(by,
axis=0,
ascending=True,
inplace=False,
kind='quicksort',
na_position='last', # last，first；默认是last
ignore_index=False,
key=None)
参数的具体解释为：
- by：表示根据什么字段或者索引进行排序，可以是一个或多个
- axis：排序是在横轴还是纵轴，默认是纵轴axis=0
- ascending：排序结果是升序还是降序，默认是升序
- inplace：表示排序的结果是直接在原数据上的就地修改还是生成新的DatFrame
- kind：表示使用排序的算法，快排quicksort,，归并mergesort， 堆排序heapsort，稳定排序stable ，默认是 ：快排quicksort
- na_position：缺失值的位置处理，默认是最后，另一个选择是首位
- ignore_index：新生成的数据帧的索引是否重排，默认False（采用原数据的索引）
- key：排序之前使用的函数
下面通过几个简单的例子来复习下sort_values的使用：
单个字段排序
通过nick字段排序，字符串是根据字母的ASCII码；默认是从小到大的升序。第一个字母相同，则比较第二个，类推：
image
根据数值的大小来升序排列：
image
可以将排序方式改为降序：
image
多个字段排序
多个字段的同时排序，默认也是升序。当第一个字段的取值相同，再根据第二个字段来升序排列
image
给不同的字段指定不同的排序方式：
image
再完整地对比下两种不同的方式：
image
上面的就是sort_values方法的常见排序方式。
自定义排序
使用sort_values方法排序的时候都是内置的字母或者数值型数据的大小直接来排序，当遇到下面的情况，该如何操作？
当我们根据衣服的大小size来排序，得到的结果是：
image
明显这样的排序方式不是我们理想中的样子，在我们的认知中：
- XS：很小
- S：小
- M：中等
- L：大
- XL：超大
该如何解决这个问题？提供两种方式：
方法1：通过映射
1、先找到每个size的顺序对应的数值大小
2、生成新的字段order
3、我们对order进行排序
image
image
方法2：使用CategoricalDtype
CategoricalDtype是具有类别和顺序的分类数据的类型，能够创建我们自定义的排序数据类型。官网地址：
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.CategoricalDtype.html
1、指定一个分类的数据类型CategoricalDtype
category_size = pd.CategoricalDtype(
['XS', 'S', 'M', 'L', 'XL'],
ordered=True)
category_size
image
2、将size字段设置成上面的CategoricalDtype类型
image
3、我们直接对size使用sort_values就可以达到我们的目的，和上面的map映射的效果是相同的
image
而且通过查看df的数据类型，我们也看到size的类型是category：
image
