【Python笔记】Pandas自定义排序

Method1：Map

import pandas as pd

df = pd.DataFrame({
    'cloth_id': [1001, 1002, 1003, 1004, 1005, 1006],
    'size': ['S', 'XL', 'M', 'XS', 'L', 'S'],
})

	cloth_id	size
0	1001	S
1	1002	XL
2	1003	M
3	1004	XS
4	1005	L
5	1006	S

# 创建自定义排序
df_mapping = pd.DataFrame({
    'size': ['XS', 'S', 'M', 'L', 'XL'],
})

sort_mapping = df_mapping.reset_index().set_index('size')
sort_mapping

	index
size
XS	0
S	1
M	2
L	3
XL	4

# 之后，使用sort_mapping中的映射值创建一个新的列 size_num
df['size_num'] = df['size'].map(sort_mapping['index'])
# 最后，按新的列大小对值进行排序
df.sort_values('size_num')

	cloth_id	size	size_num
3	1004	XS	0
0	1001	S	1
5	1006	S	1
2	1003	M	2
4	1005	L	3
1	1002	XL	4

Method2：CategoricalDtype

单个变量排序

导入模块，然后，创建一个自定义类别类型cat_size_order

• 第一个参数设置为['XS'、'S'、'M'、'L'、'XL']作为尺寸的唯一值
• 第二个参数ordered=True，将此变量视为有序

from pandas.api.types import CategoricalDtype

cat_size_order = CategoricalDtype(
    ['XS', 'S', 'M', 'L', 'XL'], 
    ordered=True
)

然后，调用astype(cat_size_order)将大小数据强制转换为自定义类别类型。通过运行df['size']，我们可以看到size列已经被转换为一个类别类型，其顺序为[XS<S<M<L<XL]

df['size'] = df['size'].astype(cat_size_order)
df['size']

0     S
1    XL
2     M
3    XS
4     L
5     S
Name: size, dtype: category
Categories (5, object): [XS < S < M < L < XL]

df.sort_values('size')

	cloth_id	size	size_num
3	1004	XS	0
0	1001	S	1
5	1006	S	1
2	1003	M	2
4	1005	L	3
1	1002	XL	4

df['codes'] = df['size'].cat.codes
df

	cloth_id	size	size_num	codes
0	1001	S	1	1
1	1002	XL	4	4
2	1003	M	2	2
3	1004	XS	0	0
4	1005	L	3	3
5	1006	S	1	1

我们可以看到XS、S、M、L和XL的代码分别为0、1、2、3、4和5。codes是类别实际值。通过运行df.info()，我们可以看到实际上是int8。

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 4 columns):
 #   Column    Non-Null Count  Dtype   
---  ------    --------------  -----   
 0   cloth_id  6 non-null      int64   
 1   size      6 non-null      category
 2   size_num  6 non-null      int64   
 3   codes     6 non-null      int8    
dtypes: category(1), int64(2), int8(1)
memory usage: 436.0 bytes

多个变量排序

df = pd.DataFrame({
    'order_id': [1001, 1002, 1003, 1004, 1005, 1006, 1007],
    'customer_id': [10, 12, 12, 12, 10, 10, 10],
    'month': ['Feb', 'Jan', 'Jan', 'Feb', 'Feb', 'Jan', 'Feb'],
    'day_of_week': ['Mon', 'Wed', 'Sun', 'Tue', 'Sat', 'Mon', 'Thu'],
})

	order_id	customer_id	month	day_of_week
0	1001	10	Feb	Mon
1	1002	12	Jan	Wed
2	1003	12	Jan	Sun
3	1004	12	Feb	Tue
4	1005	10	Feb	Sat
5	1006	10	Jan	Mon
6	1007	10	Feb	Thu

类似地，让我们创建两个自定义类别类型cat_day_of_week和cat_month，并将它们传递给astype()。

cat_day_of_week = CategoricalDtype(
    ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun'], 
    ordered=True
)

cat_month = CategoricalDtype(
    ['Jan', 'Feb', 'Mar', 'Apr'], 
    ordered=True,
)

df['day_of_week'] = df['day_of_week'].astype(cat_day_of_week)
df['month'] = df['month'].astype(cat_month)

要按多个变量排序，我们只需要传递一个列表来代替sort_values()。例如，按month和day_of_week排序

df.sort_values(['customer_id', 'month', 'day_of_week'])

order_id	customer_id	month	day_of_week
5	1006	10	Jan	Mon
0	1001	10	Feb	Mon
6	1007	10	Feb	Thu
4	1005	10	Feb	Sat
1	1002	12	Jan	Wed
2	1003	12	Jan	Sun
3	1004	12	Feb	Tue

Reference：如何对Pandas DataFrame进行自定义排序