Датафрейм – это двумерная структура данных, очень похожая на таблицу, которая состоит из рядов и столбцов. В Pandas мы можем сортировать фрейм данных по одному столбцу, либо по нескольким столбцам.
Мы будем работать с набором данных Kaggle, а именно со статистикой трендовых видеороликов YouTube. Скачаем и откроем файлUSvideos.csv:
df = pd.read_csv('USvideos.csv')
df.columns
Датафрейм включает следующие столбцы:
Метод sort_values применяется для сортировки датафрейма и выглядит следующим образом:
DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', ignore_index=False, key=None)
Далее мы подробно разберем, за что отвечает каждый из вышеперечисленных параметров.
Сортировка по одному столбцу
Чтобы отсортировать датафрейм по одному столбцу, укажем имя столбца с помощью параметра by. В качестве примера возьмем столбец likes, который выводит количество набранных лайков.
df.sort_values(by='likes', ascending=False)
Здесь:
by – определяет список столбцов для сортировки.
ascending – задает порядок сортировки.
sort_values по умолчанию сортирует по возрастанию.
Чтобы задать порядок «по убыванию», следует указать ascending=False.
Сортировка по нескольким столбцам
Чтобы отсортировать датафрейм по нескольким столбцам, методу sort_values нужно через запятую указать имена столбцов, которые мы собираемся использовать.
Давайте отсортируем датафрейм по показателям likes и dislikes, то есть найдем видео с наибольшим числом лайков и дизлайков.
В параметре ascending порядок сортировки для столбцов также указывается через запятую, что позволяет задавать разный порядок сортировки для разных столбцов в датафрейме.
df.sort_values(['likes','dislikes'], ascending=[False, False])
Подробнее про параметры
Параметр kind позволяет выбрать алгоритм сортировки: quicksort (Быстрая сортировка), mergesort (Сортировка слиянием) или heapsort (Пирамидальная сортировка). По умолчанию используется алгоритм quicksort.
df.sort_values('likes', ascending=False, kind="mergesort")
Inplace-сортировка (на месте) по умолчанию отключена. Для включения inplace-сортировки используем параметр inplace:
df.sort_values('likes', ascending=False, kind="mergesort", inplace=True)
С помощью параметра key мы можем применить любую функцию к данным еще до операции сортировки. Вместо функции также может быть lambda-функция.
df.sort_values(by='title', key=lambda x: x.str.lower())
Метод sort_index сортирует датафрейм по индексам строк. Давайте еще раз взглянем на наш датафрейм:
sdf = df.sort_values(by='likes', ascending=False)
Когда мы сортируем датафрейм, используя метод sort_values, Pandas учитывает столбец, ответственный за сортировку. Чтобы отсортировать датафрейм sdf по индексу строк, воспользуемся методом sort_index:
sdf.sort_index()
Чтобы отсортировать датафрейм по меткам столбцов, присвоим параметру axis значение 1:
sdf.sort_index(axis=1)
В этой заметке мы:
- научились сортировать датафрейм по одному и нескольким значениям;
- узнали, как работают методы
sort_values()иsort_index().
Комментарии