Desarrollo de Python
  1. Desarrollo de Python
  3. Clasificando una serie de pandas
Intereting Posts
SimPy Resource of 3 donde cada uno tiene características diferentes Error fatal de Python: no se puede recuperar del desbordamiento de stack. Durante el llenado de inundaciones ¿Por qué no puedo enviar `Ninguno` como datos en una solicitud POST utilizando la biblioteca de ‘solicitudes’ de Python? Pandillas de datos extrapolables Usando Pycurl en Pycharm ¿Cómo liberar memoria usada inmediatamente en la lista de python? ¿Es posible que aparezcan tags al pasar el cursor sobre un punto en matplotlib en el diagtwig de tallo? ¿Cómo leer datos en Tensorflow? Cómo obtener el marco de video en vivo y la marca de tiempo desde ffmpeg a python en Windows La función maketrans () de Python 2 no funciona con Unicode: “los argumentos tienen diferentes longitudes” cuando en realidad son Mejores prácticas: ¿cómo se enumeran las dependencias requeridas en su setup.py? Cómo rellenar una cadena con ceros en Python 3 La operación de módulo en números negativos en Python obtener todos los posibles bytes individuales en Python Reemplazar elementos en matriz con instancias de clase

Clasificando una serie de pandas

Estoy tratando de averiguar cómo ordenar las Series generadas como resultado de una agregación groupby de una manera inteligente.

Genero una agregación de mi DataFrame como este: 

means = df.testColumn.groupby(df.testCategory).mean()

Esto se traduce en una serie. Ahora trato de ordenar esto por valor, pero aparece un error: 

 means.sort() ... -> Exception: This Series is a view of some other array, to sort in-place you must create a copy

Entonces bash crear una copia: 

 meansCopy = Series(means) meansCopy.sort() -> Exception: This Series is a view of some other array, to sort in-place you must create a copy

¿Cómo puedo conseguir este tipo de trabajo?

Pandas v0.17 +

Utilice sort_values , es decir means = means.sort_values() .

Respuesta original, pre v0.17

Trate de usar order , es decir, means = means.order() .

v0.23 + Respuesta: order , sort , sort , sortUp sortDown , etc. están en desuso.

En su lugar, hay otras funciones con nombres más apropiados para usar con Pandas DataFrames y Series. Uno de estos métodos es Series.sort_values . 

 # Setup. np.random.seed(0) df = pd.DataFrame({'A': list('aaabbbbccddd'), 'B': np.random.choice(5, 12)}) ser = df.groupby('A')['B'].mean() ser A a 2.333333 b 2.500000 c 3.000000 d 1.333333 Name: B, dtype: float64 

 ser.sort_values() A d 1.333333 a 2.333333 b 2.500000 c 3.000000 Name: B, dtype: float64

Si necesita una clasificación en orden descendente, especifique ascending=False , como indican los documentos: 

 ser.sort_values(ascending=False) A c 3.000000 b 2.500000 a 2.333333 d 1.333333 Name: B, dtype: float64

También puede llamar a Series.argsort y Series.argsort con __getitem__ / Series.iloc : 

 ser[ser.argsort()] A d 1.333333 a 2.333333 b 2.500000 c 3.000000 Name: B, dtype: float64 

 ser.iloc[ser.argsort()] A d 1.333333 a 2.333333 b 2.500000 c 3.000000 Name: B, dtype: float64

Puedes hacer lo mismo con numpy.argsort (debería ser un poco más rápido): 

 ser[np.argsort(ser)] # ser[np.argsort(ser.values)] A d 1.333333 a 2.333333 b 2.500000 c 3.000000 Name: B, dtype: float64

Si necesita una clasificación en orden descendente, niegue primero su ser : 

 ser[(-ser).argsort()] A c 3.000000 b 2.500000 a 2.333333 d 1.333333 Name: B, dtype: float64

El proceso es el mismo para los otros métodos similares.

Por último, si solo te preocupan los valores (y no el índice), usa np.sort : 

 np.sort(ser) # array([1.33333333, 2.33333333, 2.5 , 3. ])

Como nota al margen, la clasificación en el lugar es posible pero no se recomienda: 

 ser.values.sort()

Ordenará los valores de la serie en el lugar, pero no modificará el índice, por lo que técnicamente es incorrecto.