Desarrollo de Python
  1. Desarrollo de Python
  3. pandas sort lambda funcion
Intereting Posts
¿Es posible obtener el tipo de un nodo XML como se definió en XSD? ¿Cómo imprimo texto en negrita en Python? Sqlite y Python: ¿devolver un diccionario usando fetchone ()? Conectando Python con Teradata usando el módulo Teradata ¿Cómo hacer scipy.interpolate dar un resultado extrapolado más allá del rango de entrada? IOError: decoder jpeg no disponible cuando se usa una almohada “ImportError: no se puede importar el nombre StanfordNERTagger” en NLTK Importaciones de paquetes de hermanos Deja que una clase se comporte como si fuera una lista en Python Columna de conversión que contiene varios formatos de fecha de cadena a DateTime en Spark Por favor, aclare los siguientes ejemplos de inicialización y empalme de la matriz de Python NumPy ¿Cómo reinstalar lxml? Tkinter AttributeError: el objeto no tiene atributo ‘tk’ ¿Por qué no funciona esta conversión a utf8? Extraiga columnas específicas del archivo csv para listar en Python

pandas sort lambda funcion

Dado un dataframe ‘a’ con 3 columnas, A, B, C y 3 filas de valores numéricos. ¿Cómo se clasifican todas las filas con un operador de comp usando solo el producto de A [i] * B [i]? Parece que la clasificación de los pandas solo toma columnas y luego un método de clasificación.
Me gustaría usar una función de comparación como la de abajo. 

f = lambda i,j: a['A'][i]*a['B'][i] < a['A'][j]*a['B'][j]

Hay al menos dos formas:

Método 1

Di que empiezas con 

 In [175]: df = pd.DataFrame({'A': [1, 2], 'B': [1, -1], 'C': [1, 1]})

Puede agregar una columna que es su clave de clasificación 

 In [176]: df['sort_val'] = df.A * df.B

Finalmente ordenar por él y soltarlo. 

 In [190]: df.sort_values('sort_val').drop('sort_val', 1) Out[190]: ABC 1 2 -1 1 0 1 1 1

Método 2

Use numpy.argsort y luego use .ix en los índices resultantes: 

 In [197]: import numpy as np In [198]: df.ix[np.argsort(df.A * df.B).values] Out[198]: ABC 0 1 1 1 1 2 -1 1

Otra forma, agregándolo aquí porque este es el primer resultado en Google: 

 df.loc[(df.A * df.B).sort_values().index]

Esto funciona bien para mí y es bastante sencillo. La respuesta de @Ami Tavory me dio resultados extraños con un índice categórico; aunque no estoy seguro de que sea por eso.

Simplemente agregando a @srs super elegante responda una opción iloc con algunas comparaciones de tiempo con loc y la solución ingenua.

(Se prefiere iloc para cuando su índice se base en la posición (frente a la etiqueta para loc) 

 import numpy as np import pandas as pd N = 10000 df = pd.DataFrame({ 'A': np.random.randint(low=1, high=N, size=N), 'B': np.random.randint(low=1, high=N, size=N) }) %%timeit -n 100 df['C'] = df['A'] * df['B'] df.sort_values(by='C')

naive: 100 bucles, lo mejor de 3: 1.85 ms por bucle 

 %%timeit -n 100 df.loc[(df.A * df.B).sort_values().index]

loc: 100 bucles, el mejor de 3: 2.69 ms por bucle 

 %%timeit -n 100 df.iloc[(df.A * df.B).sort_values().index]

iloc: 100 bucles, lo mejor de 3: 2.02 ms por bucle 

 df['C'] = df['A'] * df['B'] df1 = df.sort_values(by='C') df2 = df.loc[(df.A * df.B).sort_values().index] df3 = df.iloc[(df.A * df.B).sort_values().index] print np.array_equal(df1.index, df2.index) print np.array_equal(df2.index, df3.index)

Resultados de las pruebas (comparando el orden del índice completo) entre todas las opciones:

Cierto

Cierto