为什么 sort_values() 与 sort_values().values 不同

Question

我想按所有列对数据框进行排序，我找到了一种方法来解决这个问题df = df.apply( lambda x: x.sort_values())   我用它来处理我的数据text1 = texttext = text.apply( lambda x : x.sort_values())text1 = text1.apply( lambda x : x.sort_values().values)text.head()text1.head()为什么没有text = text.apply( lambda x : x.sort_values())得到错误的答案，.vaules)功能是什么？text.head()    Wave    2881.394531 2880.574219 2879.75293  2878.931641 2878.111328    N-1     0.220934    0.203666    0.205743    0.196011    0.176293    N-10    0.432692    0.387074    0.395692    0.355331    0.358963    N-11    0.483360    0.463233    0.456304    0.428930    0.421482    N-12    0.365057    0.364417    0.385134    0.352451    0.350513    N-13    0.492172    0.466263    0.480657    0.439115    0.404883text1.head()    Wave    2881.394531 2880.574219 2879.75293  2878.931641 2878.111328    P+1    -21.297623   -25.141329  -21.097095  -31.380476  -38.847958    P+2    -12.681051   -14.661134  -13.688742  -16.829298  -20.320133    P+3    -8.164744    -13.097990  -11.784309  -15.419610  -17.822252    P+4    -0.023353    -0.926852   -8.036203   -14.583183  -17.071484    P+5     0.022854    -0.037756   -0.002519   -1.891178   -7.795961

Answer 1

默认情况下，Pandas 操作根据它们的 index 对齐数据。所以考虑例如

In [19]: df = pd.DataFrame([(10,1),(9,2),(8,3),(7,4)], index=list('ABDC'))

In [20]: df

Out[20]: 

    0  1

A  10  1

B   9  2

D   8  3

C   7  4

当 Pandas 计算 时df.apply(lambda x: x.sort_values())，它会生成系列：

In [24]: df[0].sort_values()

Out[24]: 

C     7

D     8

B     9

A    10

Name: 0, dtype: int64

In [25]: df[1].sort_values()

Out[25]: 

A    1

B    2

D    3

C    4

Name: 1, dtype: int64

然后尝试将这两个系列组合成一个结果数据帧。它通过对齐索引来做到这一点：

In [21]: df.apply(lambda x: x.sort_values())   

Out[21]: 

    0  1

A  10  1

B   9  2

C   7  4

D   8  3

相反，当 lambda 函数返回一个 NumPy 数组时，没有要对齐的索引。所以 Pandas 只是将 NumPy 数组中的值以相同的顺序粘贴到结果 DataFrame 中。

因此，当 Pandas 计算 时df.apply(lambda x: x.sort_values().values)，它会生成 NumPy 数组：

In [26]: df[0].sort_values().values

Out[26]: array([ 7,  8,  9, 10])

In [27]: df[1].sort_values().values

Out[27]: array([1, 2, 3, 4])

然后尝试将这两个 NumPy 数组组合成一个具有相同顺序的值的结果 DataFrame

In [28]: df.apply(lambda x: x.sort_values().values)   

Out[28]: 

    0  1

A   7  1

B   8  2

D   9  3

C  10  4

Answer 2

欢迎使用 StackOverflow！

根据 pandas 文档，sort_values()返回 DataFrame 对象本身，同时values()返回 DataFrame 中值的 numpy 数组表示。由于apply()在 DataFrame 的轴上应用指定的函数，应用的函数必须返回当前行/列的 numpy 数组表示，而不是返回整个 DataFrame。这就是为什么当您只使用sort_values().

您可以在sort_values() 文档、values() 文档和apply() 文档中阅读更完整的解释