Desarrollo de Python
  1. Desarrollo de Python
  3. Clasificando una serie de pandas
Intereting Posts
¿Cómo hacer que tkinter funcione con la instalación por defecto de Ubuntu Python 2.7? Velocidad de IronPython vs Python con números Color matplotlib gráfico de barras basado en el valor Pase la información del archivo de la entrada del selector de archivos html a python y bokeh Pasando comillas dobles a un comando de Python usando el módulo de subproceso Agregar permanentemente una ruta de archivo a sys.path en Python ¿Qué hace backward-slash b en Python? Obtén el segundo número más grande en una lista en tiempo lineal Python os.system sin la salida : ¿Cómo puedo obtener statsmodel para devolver el valor de p de un objeto OLS? ¿No puedes imaginarte cómo imprimir horizontalmente en python? ¿Cómo imprimo esta lista verticalmente? ¿Cómo resuelvo un registro SRV en Python? Los servicios web RESTFUL consumidos por la web y las aplicaciones móviles nativas con autenticación en python utilizando el marco django Python argparse: obliga a un elemento de la lista a ser único

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.