深入理解Pandas的排序机制

作者：Peter 编辑：Peter

大家好，我是Peter~

在之前的一篇文章中，详细介绍了关于如何使用pandas的内置函数sort_values来实现数据的排序。本文讲解的是如何使用自定义方式来实现排序：

• 映射关系实现
• CategoricalDtype类型实现

<!--MORE-->

模拟数据

先模拟一份简单的数据：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "nick":["aaa","bbb","aba","abc","cac","ccc"],  # 昵称
    "math":[100,120,130,111,100,128],  # 数学
    "english":[140,80,120,90,125,116],  # 英语
    "size":["S","M","L","XS","XL","L"]   # 衣服大小
    })

df

sort_values

DataFrame.sort_values(by, 
               axis=0, 
               ascending=True, 
               inplace=False, 
               kind='quicksort', 
               na_position='last', # last，first；默认是last
               ignore_index=False, 
               key=None)

参数的具体解释为：

• by：表示根据什么字段或者索引进行排序，可以是一个或多个
• axis：排序是在横轴还是纵轴，默认是纵轴axis=0
• ascending：排序结果是升序还是降序，默认是升序
• inplace：表示排序的结果是直接在原数据上的就地修改还是生成新的DatFrame
• kind：表示使用排序的算法，快排quicksort,，归并mergesort， 堆排序heapsort，稳定排序stable ，默认是 ：快排quicksort
• na_position：缺失值的位置处理，默认是最后，另一个选择是首位
• ignore_index：新生成的数据帧的索引是否重排，默认False（采用原数据的索引）
• key：排序之前使用的函数

下面通过几个简单的例子来复习下sort_values的使用：

单个字段排序

通过nick字段排序，字符串是根据字母的ASCII码；默认是从小到大的升序。第一个字母相同，则比较第二个，类推：

根据数值的大小来升序排列：

可以将排序方式改为降序：

多个字段排序

多个字段的同时排序，默认也是升序。当第一个字段的取值相同，再根据第二个字段来升序排列

给不同的字段指定不同的排序方式：

再完整地对比下两种不同的方式：

上面的就是sort_values方法的常见排序方式。

自定义排序

使用sort_values方法排序的时候都是内置的字母或者数值型数据的大小直接来排序，当遇到下面的情况，该如何操作？

当我们根据衣服的大小size来排序，得到的结果是：

明显这样的排序方式不是我们理想中的样子，在我们的认知中：

• XS：很小
• S：小
• M：中等
• L：大
• XL：超大

该如何解决这个问题？提供两种方式：

方法1：通过映射

1、先找到每个size的顺序对应的数值大小

2、生成新的字段order

3、我们对order进行排序

方法2：使用CategoricalDtype

CategoricalDtype是具有类别和顺序的分类数据的类型，能够创建我们自定义的排序数据类型。官网地址：

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.CategoricalDtype.html

1、指定一个分类的数据类型CategoricalDtype

category_size = pd.CategoricalDtype(
    ['XS', 'S', 'M', 'L', 'XL'], 
    ordered=True)

category_size

2、将size字段设置成上面的CategoricalDtype类型

3、我们直接对size使用sort_values就可以达到我们的目的，和上面的map映射的效果是相同的

而且通过查看df的数据类型，我们也看到size的类型是category：