快捷導(dǎo)航

Python利用pandas對數(shù)據(jù)進(jìn)行特定排序

更新時(shí)間：2024年03月31日 15:58:31 作者：數(shù)據(jù)人阿多

本文主要介紹了Python利用pandas對數(shù)據(jù)進(jìn)行特定排序,主要使用?pandas.DataFrame.sort_values?方法,文中通過示例代碼介紹的非常詳細(xì),需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

背景

小編最近在處理hive表存儲大小時(shí)，需要對每個表的大小進(jìn)行排序，因通過 hadoop fs -du -s -h /path/table 命令獲取的數(shù)據(jù)表大小，其結(jié)果是展示為人能直觀理解的大小，例如 1.1T、1.9G、49.6M 等，如果想對這些表根據(jù)存儲大小進(jìn)行降序排列，利用pandas應(yīng)該如何做呢？

表大小

小編環(huán)境

import sys
print('python 版本：',sys.version.split('|')[0])   
#python 版本： 3.11.5
import pandas as pd
print(pd.__version__)
#2.1.0

測試數(shù)據(jù)

這里僅列舉10行數(shù)據(jù)，進(jìn)行演示，小編真實(shí)的hive表有幾萬個

測試數(shù)據(jù)

函數(shù)概述

在pandas對數(shù)據(jù)進(jìn)行排序主要使用 pandas.DataFrame.sort_values 方法

DataFrame.sort_values(by, *, 
                axis=0,   
                ascending=True, 
                inplace=False, 
                kind='quicksort', 
                na_position='last', 
                ignore_index=False, 
                key=None)

參數(shù)解釋：

by ：str or list of str用于排序的單個字段或多個字段組成的列表
axis：“{0 or ‘index’, 1 or ‘columns’}”, default 0排序時(shí)的軸向，0 表示行向排序（一行一行排序），1表示列向排序（一列一列排序），默認(rèn)是 0，也就是Excel中經(jīng)常使用的排序
ascending：bool or list of bool, default True升序、降序，默認(rèn)是升序，也就是True，如果是False，則是降序
注意：該參數(shù)需要和上面的by參數(shù)要相對應(yīng)
inplace：bool, default False是否原地更新排序的數(shù)據(jù)，默認(rèn)是False，表示調(diào)用該方法后，會返回一個新的數(shù)據(jù)框
kind：{‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’}, default ‘quicksort’進(jìn)行排序時(shí)，指定的排序算法，默認(rèn)是 quicksort，快速排序算法
na_position：{‘first’, ‘last’}, default ‘last’在排序的數(shù)據(jù)中，指定 NaN 的排序位置，默認(rèn)是排在最后
ignore_index：bool, default False是否要忽略數(shù)據(jù)的索引，默認(rèn)是 Fasle，不忽略，使用數(shù)據(jù)原本的索引
key：callable, optional排序之前使用的函數(shù)，該函數(shù)需要是矢量化的，也就是傳入?yún)?shù)是 Series ，返回的結(jié)果也需要為 Series ，該函數(shù)會逐個用在被排序的字段上

key參數(shù)

官方文檔：
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.sort_values.html

完整案例

import pandas as pd
data=pd.read_excel('排序數(shù)據(jù).xlsx',sheet_name='排序')
key_type={'T':1,'G':2,'M':3,'K':4}
data.sort_values(by=['大小2','大小1'],
                 ascending=[True,False],
                 key=lambda col: col.map(key_type) if col.name=='大小2' else col
                )

排序結(jié)果