连接数据框后对特定列进行排序

Question

我将 3 个数据帧连接成一个数据帧。现在我想对一些特定的列进行排序，所以我使用了这段代码：final_df.sort_values(['Tab1_1', 'Tab2_2'], ascending=False)但是，输出按col1顺序显示值，但中的值col5不是。有人能告诉我我错过了什么吗？下面是一个数据示例：concat_table = {'ID': ['Sun_1'],                 'Tab1': ['Al', 'Alu', 'Alt'],                'Tab1_1': [6, 3, 4],                 '%_Tab_1': [90, 50, 40],                 'Tab2': ['Type1', 'Type2', 'Type3'],                 'Tab2_2': [4, 5, 2],                '%_Tab1_2': [60, 90, 40]}这是应该如何订购的：concat_table_ordered = {'ID': ['Sun_1'],                         'Tab1': ['Al', 'Alt', 'Alu'],                        'Tab1_1': [6, 4, 3],                         '%_Tab_1': [90, 40, 50],                         'Tab2': ['Type2', 'Type1', 'Type3'],                         'Tab2_2': [5, 4, 2],                        '%_Tab1_2': [90, 60, 40]}

Answer 1

如果在 pandas 中按多列排序sequentially，则表示首先按列表中的第一列，她Tab1_1的，然后按下一个值，但前提是前列中的值重复，这里Tab1_1：

concat_table={'ID':'Sun_1', 

              'Tab1': ['Al','Alu','Alt', 'aaa'],

              'Tab1_1':[6,3,4,4], 

              '%_Tab_1':[90,50,40,100],

              'Tab2':['Type1','Type2','Type3','Type4'],

              'Tab2_2':[4,5,2,1],

              '%_Tab1_2':[60,90,40,20]}

df = pd.DataFrame (concat_table)

print (df)

      ID Tab1  Tab1_1  %_Tab_1   Tab2  Tab2_2  %_Tab1_2

0  Sun_1   Al       6       90  Type1       4        60

1  Sun_1  Alu       3       50  Type2       5        90 <-4 are duplicated

2  Sun_1  Alt       4       40  Type3       2        40 <-4 are duplicated

3  Sun_1  aaa       4      100  Type4       1        20

df1 = df.sort_values(['Tab1_1','Tab2_2'], ascending=False)

print (df1)

      ID Tab1  Tab1_1  %_Tab_1   Tab2  Tab2_2  %_Tab1_2

0  Sun_1   Al       6       90  Type1       4        60

2  Sun_1  Alt       4       40  Type3       2        40 <-sorted 2,1 

3  Sun_1  aaa       4      100  Type4       1        20 <-sorted 2,1 

1  Sun_1  Alu       3       50  Type2       5        90

如果需要单独排序，则必须先拆分列，排序然后分配回，但必须通过以下方式默认索引值reset_index(drop=True)：

df1 = df.iloc[:, :4].sort_values(['Tab1_1'], ascending=False)

df2 = df.iloc[:, 4:].sort_values(['Tab2_2'], ascending=False)

final_df = pd.concat([df1.reset_index(drop=True), 

                      df2.reset_index(drop=True)], axis=1)

print (final_df)

      ID Tab1  Tab1_1  %_Tab_1   Tab2  Tab2_2  %_Tab1_2

0  Sun_1   Al       6       90  Type2       5        90

1  Sun_1  Alt       4       40  Type1       4        60

2  Sun_1  Alu       3       50  Type3       2        40

Answer 2

您是否将此输出分配给另一个df？否则使用inplace=True：

final_df.sort_values(['col1','col5'], ascending=False, inplace=True)