我有一个这样的数据帧:
print(df)
0 1 2
0 354.7 April 4.0
1 55.4 August 8.0
2 176.5 December 12.0
3 95.5 February 2.0
4 85.6 January 1.0
5 152 July 7.0
6 238.7 June 6.0
7 104.8 March 3.0
8 283.5 May 5.0
9 278.8 November 11.0
10 249.6 October 10.0
11 212.7 September 9.0
如您所见，月份不是按日历顺序排列的。因此，我创建了第二列来获取每个月对应的月份号(1-12)。在此基础上，如何根据日历月份的顺序对数据帧进行排序?
当前回答
使用sort_values根据特定列的值对df进行排序:
In [18]:
df.sort_values('2')
Out[18]:
0 1 2
4 85.6 January 1.0
3 95.5 February 2.0
7 104.8 March 3.0
0 354.7 April 4.0
8 283.5 May 5.0
6 238.7 June 6.0
5 152.0 July 7.0
1 55.4 August 8.0
11 212.7 September 9.0
10 249.6 October 10.0
9 278.8 November 11.0
2 176.5 December 12.0
如果希望按两列排序，则将列标签列表传递给sort_values，其中列标签按照排序优先级排序。如果用df。Sort_values(['2'， '0'])，则结果将按第2列和第0列排序。当然，这对于这个例子来说没有意义，因为df['2']中的每个值都是唯一的。
其他回答
作为另一种解决方案:
而不是创建第二列，你可以对你的字符串数据(月份名)进行分类，并像这样排序:
df.rename(columns={1:'month'},inplace=True)
df['month'] = pd.Categorical(df['month'],categories=['December','November','October','September','August','July','June','May','April','March','February','January'],ordered=True)
df = df.sort_values('month',ascending=False)
它将按照您在创建Categorical对象时指定的月份名称为您提供有序数据。
如果您想动态排序列，而不是按字母顺序排序。 并且不想使用pd.sort_values()。 你可以试试下面的解决方案。
问题:在这个序列['A'， 'C'， 'D'， 'B']中排序列"col1"
import pandas as pd
import numpy as np
## Sample DataFrame ##
df = pd.DataFrame({'col1': ['A', 'B', 'D', 'C', 'A']})
>>> df
col1
0 A
1 B
2 D
3 C
4 A
## Solution ##
conditions = []
values = []
for i,j in enumerate(['A','C','D','B']):
conditions.append((df['col1'] == j))
values.append(i)
df['col1_Num'] = np.select(conditions, values)
df.sort_values(by='col1_Num',inplace = True)
>>> df
col1 col1_Num
0 A 0
4 A 0
3 C 1
2 D 2
1 B 3
我尝试了上面的解决方案，但没有达到效果，所以我找到了一个适合我的不同的解决方案。升序=False是将数据帧按降序排列，默认情况下为True。我使用的是python 3.6.6和pandas 0.23.4版本。
final_df = df.sort_values(by=['2'], ascending=False)
你可以在pandas文档中看到更多细节。
你可能需要在排序后重置索引:
df = df.sort_values('2')
df = df.reset_index(drop=True)
例子: 假设你有一个值为1和0的列，你想要分离并只使用一个值，那么:
// furniture is one of the columns in the csv file.
allrooms = data.groupby('furniture')['furniture'].agg('count')
allrooms
myrooms1 = pan.DataFrame(allrooms, columns = ['furniture'], index = [1])
myrooms2 = pan.DataFrame(allrooms, columns = ['furniture'], index = [0])
print(myrooms1);print(myrooms2)
