熊猫数据框中的值未排序

Question

我有一个数据框，如下所示：    Category    1   2   3   4   5   6   7   8   9   10  11  12  13    A   424 377 161 133 2   81  141 169 297 153 53  50  197    B   231 121 111 106 4   79  68  70  92  93  71  65  66    C   480 379 159 139 2   116 148 175 308 150 98  82  195    D   88  56  38  40  0   25  24  55  84  36  24  26  36    E   1084    1002    478 299 7   256 342 342 695 378 175 132 465    F   497 246 283 206 4   142 151 168 297 224 194 198 148    H   8   5   4   3   0   2   3   2   7   5   3   2   0    G   3191    2119    1656    856 50  826 955 739 1447    1342    975 628 1277    K   58  26  27  51  1   18  22  42  47  35  19  20  14    S   363 254 131 105 6   82  86  121 196 98  81  57  125    T   54  59  20  4   0   9   12  7   36  23  5   4   20    O   554 304 207 155 3   130 260 183 287 204 98  106 195    P   756 497 325 230 5   212 300 280 448 270 201 140 313    PP  64  43  26  17  1   15  35  17  32  28  18  9   27    R   265 157 109 89  1   68  68  104 154 96  63  55  90    S   377 204 201 114 5   112 267 136 209 172 147 90  157    St  770 443 405 234 5   172 464 232 367 270 290 136 294    Qs  47  33  11  14  0   18  14  19  26  17  5   6   13    Y   1806    626 1102    1177    14  625 619 1079    1273    981 845 891 455    W   123 177 27  28  0   18  62  34  64  27  14  4   51    Z   2770    1375    1579    1082    17  900 1630    1137    1465    1383    861 755 1201我想按每行中的值对数据框进行排序。完成后，我还想对索引进行排序。例如，对应于 category 的第一行中的值A应显示为： 2 50  53  81 133 141 153 161 169 197 297 377 424我试过了，df.sort_values(by=df.index.tolist(), ascending=False, axis=1)但这不起作用。这些值根本没有按排序顺序出现

Answer 1

np.sort + sort_index

您可以使用np.sortwith axis=1，然后sort_index：

cols, idx = df.columns[1:], df.iloc[:, 0]

res = pd.DataFrame(np.sort(df.iloc[:, 1:].values, axis=1), columns=cols, index=idx)\

        .sort_index()

print(res)

           1    2    3    4    5     6     7     8     9    10    11    12  \

Category                                                                     

A          2   50   53   81  133   141   153   161   169   197   297   377   

B          4   65   66   68   70    71    79    92    93   106   111   121   

C          2   82   98  116  139   148   150   159   175   195   308   379   

D          0   24   24   25   26    36    36    38    40    55    56    84   

E          7  132  175  256  299   342   342   378   465   478   695  1002   

F          4  142  148  151  168   194   198   206   224   246   283   297   

G         50  628  739  826  856   955   975  1277  1342  1447  1656  2119   

H          0    0    2    2    2     3     3     3     4     5     5     7   

K          1   14   18   19   20    22    26    27    35    42    47    51   

O          3   98  106  130  155   183   195   204   207   260   287   304   

P          5  140  201  212  230   270   280   300   313   325   448   497   

PP         1    9   15   17   17    18    26    27    28    32    35    43   

Qs         0    5    6   11   13    14    14    17    18    19    26    33   

R          1   55   63   68   68    89    90    96   104   109   154   157   

S          6   57   81   82   86    98   105   121   125   131   196   254   

S          5   90  112  114  136   147   157   172   201   204   209   267   

St         5  136  172  232  234   270   290   294   367   405   443   464   

T          0    4    4    5    7     9    12    20    20    23    36    54   

W          0    4   14   18   27    27    28    34    51    62    64   123   

Y         14  455  619  625  626   845   891   981  1079  1102  1177  1273   

Z          1   17  755  861  900  1082  1137  1375  1383  1465  1579  1630   

Answer 2

一种方法是应用sorted设置 1 作为轴，应用pd.Series返回数据帧而不是列表，最后按以下排序Category：

df.loc[:,'1':].apply(sorted, axis = 1).apply(pd.Series)

           .set_index(df.Category).sort_index()

       Category   0    1    2    3     4     5     6     7     8     9    10  ...

0         A   2   50   53   81   133   141   153   161   169   197   297   ...

1         B   4   65   66   68    70    71    79    92    93   106   111  ...