Oft sind Sie daran interessiert, eine oder mehrere Zeichenfolgenspalten in einem Pandas-DataFrame in Float-Spalten zu konvertieren. Glücklicherweise ist dies mit der Funktion astype() einfach zu bewerkstelligen.
Dieses Tutorial zeigt mehrere …
Oft möchten Sie einen Pandas-DataFrame nach einer oder mehreren Spalten sortieren. In diesem Tutorial wird erklärt, wie Sie dies mit der pandas sort_values- Funktion tun.
So sortieren Sie Pandas DataFrames
Angenommen, wir haben den folgenden Pandas DataFrame mit 10 Zeilen und 4 Spalten:
import pandas as pd
import numpy as np
#Dataframe erstellen
df = pd.DataFrame({'player': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'],
'points': [25, 20, 14, 16, 27, 20, 12, 15, 14, 19],
'assists': [5, 7, 7, 8, 5, 7, 6, 9, 9, 5],
'rebounds': [np.nan, 8, 10, 6, 6, 9, 6, 10, 10, 7]})
df
player points assists rebounds
0 A 25 5 NaN
1 B 20 7 8
2 C 14 7 10
3 D 16 8 6
4 E 27 5 6
5 F 20 7 9
6 G 12 6 6
7 H 15 9 10
8 I 14 9 10
9 J 19 5 7
Beispiel 1: Nach einer Spalte aufsteigend sortieren.
Der folgende Codeausschnitt zeigt, wie Sie den DataFrame nach einer Spalte in aufsteigender Reihenfolge sortieren:
#sortieren nach Assists vom kleinsten zum größten
df.sort_values(by=['assists'])
player points assists rebounds
0 A 25 5 NaN
4 E 27 5 6.0
9 J 19 5 7.0
6 G 12 6 6.0
1 B 20 7 8.0
2 C 14 7 10.0
5 F 20 7 9.0
3 D 16 8 6.0
7 H 15 9 10.0
8 I 14 9 10.0
Beispiel 2: Nach einer Spalte absteigend sortieren.
Der folgende Codeausschnitt zeigt, wie Sie den DataFrame nach einer Spalte in aufsteigender Reihenfolge sortieren:
#sortieren nach Rebounds vom größten zum kleinsten
df.sort_values(by=['rebounds'], ascending=False)
player points assists rebounds
2 C 14 7 10.0
7 H 15 9 10.0
8 I 14 9 10.0
5 F 20 7 9.0
1 B 20 7 8.0
9 J 19 5 7.0
3 D 16 8 6.0
4 E 27 5 6.0
6 G 12 6 6.0
0 A 25 5 NaN
Beachten Sie, dass beim Sortieren nach einer Zeichenspalte die Zeilen ascending=False in umgekehrter alphabetischer Reihenfolge sortiert werden:
#Nach Zeichenspalte sortieren
df.sort_values(by=['player'], ascending=False)
player points assists rebounds
9 J 19 5 7.0
8 I 14 9 10.0
7 H 15 9 10.0
6 G 12 6 6.0
5 F 20 7 9.0
4 E 27 5 6.0
3 D 16 8 6.0
2 C 14 7 10.0
1 B 20 7 8.0
0 A 25 5 NaN
Beispiel 3: Sortieren nach mehreren Spalten.
Der folgende Codeausschnitt zeigt, wie der DataFrame nach mehreren Spalten sortiert wird, jeweils in aufsteigender Reihenfolge:
#sort by assists ascending, then rebounds ascending
df.sort_values(by=['assists', 'rebounds'])
player points assists rebounds
4 E 27 5 6.0
9 J 19 5 7.0
0 A 25 5 NaN
6 G 12 6 6.0
1 B 20 7 8.0
5 F 20 7 9.0
2 C 14 7 10.0
3 D 16 8 6.0
7 H 15 9 10.0
8 I 14 9 10.0
Beachten Sie, dass Sie auch eine Spalte aufsteigend und eine andere absteigend sortieren können, indem Sie mehrere Argumente an ascending übergeben:
#sort by assists ascending, then rebounds descending
df.sort_values(by=['assists', 'rebounds'], ascending=[True, False])
player points assists rebounds
9 J 19 5 7.0
4 E 27 5 6.0
0 A 25 5 NaN
6 G 12 6 6.0
2 C 14 7 10.0
5 F 20 7 9.0
1 B 20 7 8.0
3 D 16 8 6.0
7 H 15 9 10.0
8 I 14 9 10.0
Beispiel 4: Sortieren Sie zuerst NaNs.
Standardmäßig setzt pandas NaNs an letzter Stelle, aber Sie können angeben, dass NaNs zuerst platziert werden sollen:
#sort by assists ascending, then rebounds descending
df.sort_values(by=['rebounds'], na_position='first')
player points assists rebounds
0 A 25 5 NaN
3 D 16 8 6.0
4 E 27 5 6.0
6 G 12 6 6.0
9 J 19 5 7.0
1 B 20 7 8.0
5 F 20 7 9.0
2 C 14 7 10.0
7 H 15 9 10.0
8 I 14 9 10.0
Die vollständige Dokumentation zur Funktion sort_values finden Sie hier.
Das könnte Sie auch interessieren:
Strings in Float umwandeln - Pandas
Binning von Variablen in Python mit numpy.digitize()
Oft sind Sie daran interessiert, die Werte einer Variablen in Python in „Bins“ zu platzieren. Glücklicherweise ist dies mit der Funktion numpy.digitize(), die die folgende Syntax verwendet, einfach zu …