列に月の名前が含まれているpythonpandasデータフレームがあります。
たとえば、辞書を使用してカスタムソートを行うにはどうすればよいですか。
custom_dict = {'March':0, 'April':1, 'Dec':3}
回答:
Pandas 0.15は、これを行うためのはるかに明確な方法を可能にするカテゴリカルシリーズを導入しました。
まず、月の列をカテゴリカルにし、使用する順序を指定します。
In [21]: df['m'] = pd.Categorical(df['m'], ["March", "April", "Dec"])
In [22]: df # looks the same!
Out[22]:
a b m
0 1 2 March
1 5 6 Dec
2 3 4 April
これで、月の列を並べ替えると、そのリストに関して並べ替えられます。
In [23]: df.sort_values("m")
Out[23]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
注：値がリストにない場合は、NaNに変換されます。
興味のある人のための古い答え...
あなたは中間シリーズを作成することができます、そしてset_indexその上で：
df = pd.DataFrame([[1, 2, 'March'],[5, 6, 'Dec'],[3, 4, 'April']], columns=['a','b','m'])
s = df['m'].apply(lambda x: {'March':0, 'April':1, 'Dec':3}[x])
s.sort_values()
In [4]: df.set_index(s.index).sort()
Out[4]:
a b m
0 1 2 March
1 3 4 April
2 5 6 Dec
コメントされているように、新しいパンダでは、シリーズreplaceにはこれをよりエレガントに行う方法があります。
s = df['m'].replace({'March':0, 'April':1, 'Dec':3})
わずかな違いは、辞書の外に値がある場合、これは発生しないことです（同じままです）。
s = df['m'].replace({'March':0, 'April':1, 'Dec':3})ライン2のための作品としても-ちょうど私のようなパンダを学習誰のために
.apply({'March':0, 'April':1, 'Dec':3}.get):) 0.15ではカテゴリーシリーズ/列があるので、それを使用するのが最良の方法であり、ソートはうまくいきます。
df.sort_values("m")（の代わりにdf.sort("m")）新しいパンダで使用するようにしてくださいAttributeError: 'DataFrame' object has no attribute 'sort'。そうしないと、;）
間もなく引数sort_values付きで使用できるようになりkeyます。
pd.__version__
# '1.1.0.dev0+2004.g8d10bfb6f'
custom_dict = {'March': 0, 'April': 1, 'Dec': 3}
df
a b m
0 1 2 March
1 5 6 Dec
2 3 4 April
df.sort_values(by=['m'], key=lambda x: x.map(custom_dict))
a b m
0 1 2 March
2 3 4 April
1 5 6 Deckey引数は、入力としてシリーズを取り、シリーズを返します。このシリーズは内部的に引数ソートされ、ソートされたインデックスは入力DataFrameを並べ替えるために使用されます。並べ替える列が複数ある場合は、キー機能が各列に順番に適用されます。キーによる並べ替えを参照してください。
簡単な方法の1つは、出力Series.mapを使用し、Series.argsortインデックスをdf使用して使用することですDataFrame.iloc（argsortはソートされた整数位置を生成するため）。あなたは辞書を持っているので; これは簡単になります。
df.iloc[df['m'].map(custom_dict).argsort()]
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
降順で並べ替える必要がある場合は、マッピングを逆にします。
df.iloc[(-df['m'].map(custom_dict)).argsort()]
a b m
1 5 6 Dec
2 3 4 April
0 1 2 March
これは数値項目でのみ機能することに注意してください。それ以外の場合は、を使用しsort_valuesてインデックスにアクセスすることでこれを回避する必要があります。
df.loc[df['m'].map(custom_dict).sort_values(ascending=False).index]
a b m
1 5 6 Dec
2 3 4 April
0 1 2 March
より多くのオプションがastype（これは現在非推奨です）、またはpd.Categoricalで利用できますが、正しくordered=True機能するように指定する必要があります。
# Older version,
# df['m'].astype('category',
# categories=sorted(custom_dict, key=custom_dict.get),
# ordered=True)
df['m'] = pd.Categorical(df['m'],
categories=sorted(custom_dict, key=custom_dict.get),
ordered=True)
これで、簡単なsort_values呼び出しでうまくいきます。
df.sort_values('m')
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
groupby出力を並べ替えるときにも、カテゴリの順序が尊重されます。
ordered=Noneデフォルトでパンダカテゴリカルセット。設定されていない場合、順序が間違っているか、V23で壊れます。特にMax関数はTypeErrorを出します（Categoricalは操作maxに対して順序付けられていません）。
選択した答えを使用してください！これはこの投稿よりも新しく、パンダで順序付けられたデータを維持する公式の方法であるだけでなく、機能やパフォーマンスなど、あらゆる点で優れています。以下で説明する私のハッキーな方法は使用しないでください。
人々が私の答えに賛成し続けるので、私はこのアップデートを書いているだけですが、それは受け入れられたものよりも間違いなく悪いです:)
ゲームには少し遅れていますが、任意の関数を使用してpandas Series、DataFrame、およびmultiindexDataFrameオブジェクトを並べ替える関数を作成する方法を次に示します。
df.iloc[index]Series / DataFrameの行を位置で参照するメソッドを使用します（df.loc値で参照する、と比較して）。これを使用すると、一連の位置引数を返す関数が必要になります。
def sort_pd(key=None,reverse=False,cmp=None):
def sorter(series):
series_list = list(series)
return [series_list.index(i)
for i in sorted(series_list,key=key,reverse=reverse,cmp=cmp)]
return sorter
これを使用して、カスタムの並べ替え関数を作成できます。これは、AndyHaydenの回答で使用されているデータフレームで機能します。
df = pd.DataFrame([
[1, 2, 'March'],
[5, 6, 'Dec'],
[3, 4, 'April']],
columns=['a','b','m'])
custom_dict = {'March':0, 'April':1, 'Dec':3}
sort_by_custom_dict = sort_pd(key=custom_dict.get)
In [6]: df.iloc[sort_by_custom_dict(df['m'])]
Out[6]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
これは、多重指数DataFramesおよびSeriesオブジェクトでも機能します。
months = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
df = pd.DataFrame([
['New York','Mar',12714],
['New York','Apr',89238],
['Atlanta','Jan',8161],
['Atlanta','Sep',5885],
],columns=['location','month','sales']).set_index(['location','month'])
sort_by_month = sort_pd(key=months.index)
In [10]: df.iloc[sort_by_month(df.index.get_level_values('month'))]
Out[10]:
sales
location month
Atlanta Jan 8161
New York Mar 12714
Apr 89238
Atlanta Sep 5885
sort_by_last_digit = sort_pd(key=lambda x: x%10)
In [12]: pd.Series(list(df['sales'])).iloc[sort_by_last_digit(df['sales'])]
Out[12]:
2 8161
0 12714
3 5885
1 89238
私にはこれはクリーンに感じますが、最適化されたパンダ操作に依存するのではなく、Python操作を多用します。ストレステストは行っていませんが、非常に大きなDataFrameでは遅くなる可能性があると思います。列の追加、並べ替え、削除とパフォーマンスがどのように比較されるかわからない。コードを高速化するためのヒントをいただければ幸いです。
df.sort_index()してすべてのインデックスレベルを並べ替えます。
import pandas as pd
custom_dict = {'March':0,'April':1,'Dec':3}
df = pd.DataFrame(...) # with columns April, March, Dec (probably alphabetically)
df = pd.DataFrame(df, columns=sorted(custom_dict, key=custom_dict.get))
3月、4月、12月の列を持つDataFrameを返します