主页 / 问题 / 1408945
Accepted
SergFSM
Asked:2022-07-12 06:45:40 +0000 UTC2022-07-12 06:45:40 +0000 UTC

python通过多个键对数据框列进行排序

  • 772

假设有一个这种类型的数据框（可能有更多列）：

d = {'ATTRIBUTE_NAME': 
     ['Raw_Read_Error_Rate',
      'Reallocate_NAND_Blk_Cnt',
      'Power_On_Hours',
      'Power_Cycle_Count',
      'Program_Fail_Count',
      'Erase_Fail_Count',
      'Ave_Block-Erase_Count',
      'Unexpect_Power_Loss_Ct',
      'Unused_Reserve_NAND_Blk',
      'SATA_Interfac_Downshift',
      'Error_Correction_Count',
      'Reported_Uncorrect',
      'Temperature_Celsius',
      'Reallocated_Event_Count',
      'Current_Pending_Sector',
      'Offline_Uncorrectable',
      'UDMA_CRC_Error_Count',
      'Percent_Lifetime_Remain',
      'Write_Error_Rate',
      'Success_RAIN_Recov_Cnt',
      'Total_Host_Sector_Write',
      'Host_Program_Page_Count',
      'FTL_Program_Page_Count']}

df = pd.DataFrame(d)

必须通过以下键按“ATTRIBUTE_NAME”列排序：首先以“Count”结尾的行，然后按行长排序，然后按字典顺序。

如果您需要通过类似的键对简单列表进行排序，那么这很简单，只需使用 'key' 参数即可：

sorted(l, key=lambda x: (-x.endswith('Count'), len(x), x))

但在数据框的情况下，并非一切都那么明显。'sort_values()' 方法也有一个 'key' 参数，但它接受一个 'Series' 对象并返回相同的对象。

不会出现简单的排序问题。例如，这些键分别工作：

df.sort_values('ATTRIBUTE_NAME', key=lambda x: -x.str.endswith('Count'))
df.sort_values('ATTRIBUTE_NAME', key=lambda x: x.str.len())

但现在不可能组合这些键。我想出了一种笨拙的方式来接受和返回“系列”对象的键：

def multi_sort(s):
    l = sorted(s.items(), key=lambda x: (-x[1].endswith('Count'), len(x[1]), x[1]))
    return pd.Series(dict(l))

df.sort_values('ATTRIBUTE_NAME', key=multi_sort)

但是这种排序给了我一个我不清楚的结果：

'''
             ATTRIBUTE_NAME
4        Program_Fail_Count
15    Offline_Uncorrectable
0       Raw_Read_Error_Rate
5          Erase_Fail_Count
6     Ave_Block-Erase_Count
7    Unexpect_Power_Loss_Ct
14   Current_Pending_Sector
18         Write_Error_Rate
1   Reallocate_NAND_Blk_Cnt
9   SATA_Interfac_Downshift
2            Power_On_Hours
12      Temperature_Celsius
19   Success_RAIN_Recov_Cnt
8   Unused_Reserve_NAND_Blk
11       Reported_Uncorrect
20  Total_Host_Sector_Write
16     UDMA_CRC_Error_Count
13  Reallocated_Event_Count
21  Host_Program_Page_Count
3         Power_Cycle_Count
17  Percent_Lifetime_Remain
22   FTL_Program_Page_Count
10   Error_Correction_Count

帮我弄清楚并告诉我是否有一种方法可以按几个键排序，因为它是在“sorted()”函数中实现的？

UPD。

感谢@strawdog 的帮助，我设法了解了在按多个键对列进行排序时如何使用key该方法sort_values()，这要感谢他：

df = df.sort_values(by="ATTRIBUTE_NAME",
                    key=lambda s: s.map(lambda x: (-x.endswith("Count"), len(x), x)))
python

1 个回答

  1. Best Answer

    我建议这样做：

    def multisort(s):
    return(s.endswith("Count"), len(s))
    
df["order"] = df["ATTRIBUTE_NAME"].apply(multisort)
df = df.sort_values(by=["order", "ATTRIBUTE_NAME"],
                    ascending=[False, True]).drop(columns=["order"])

    在显示最终结果之前，您可以删除上面一行中的 drop 方法，以查看创建了什么列以及框架是如何排序的。

    有一个较短的版本具有相同的结果：

    res = pd.Series(sorted(df["ATTRIBUTE_NAME"],
                       key=lambda x: (-x.endswith("Count"),len(x), x)))

    我们得到 df （或 res，取决于选项）：

                 ATTRIBUTE_NAME
21  Host_Program_Page_Count
13  Reallocated_Event_Count
10   Error_Correction_Count
22   FTL_Program_Page_Count
6     Ave_Block-Erase_Count
16     UDMA_CRC_Error_Count
4        Program_Fail_Count
3         Power_Cycle_Count
5          Erase_Fail_Count
17  Percent_Lifetime_Remain
1   Reallocate_NAND_Blk_Cnt
9   SATA_Interfac_Downshift
20  Total_Host_Sector_Write
8   Unused_Reserve_NAND_Blk
14   Current_Pending_Sector
19   Success_RAIN_Recov_Cnt
7    Unexpect_Power_Loss_Ct
15    Offline_Uncorrectable
0       Raw_Read_Error_Rate
12      Temperature_Celsius
11       Reported_Uncorrect
18         Write_Error_Rate
2            Power_On_Hours
    • 3

相关问题