快捷導(dǎo)航

Pandas實(shí)現(xiàn)列(column)排序的幾種方法

更新時(shí)間：2023年11月26日 10:35:35 作者：AI科技大本營

Pandas是一種高效的數(shù)據(jù)處理庫,在數(shù)據(jù)處理過程中,咱們經(jīng)常需要將列按照一定的要求進(jìn)行排序,本文就來介紹一下Pandas實(shí)現(xiàn)列(column)排序的幾種方法,感興趣的可以了解一下

數(shù)據(jù)準(zhǔn)備

文中主要使用了 pandas 和 akshare ，首先導(dǎo)入 Python 庫，如下：

import pandas as pd
import akshare as ak

print(f'pandas version: {pd.__version__}')

本次使用的數(shù)據(jù)如下：

data = {
    'brand':['Python數(shù)據(jù)之道','價(jià)值前瞻','菜鳥數(shù)據(jù)之道','Python','Java'],
    'B':[4,6,8,12,10],
    'A':[10,2,5,20,16],
    'D':[6,18,14,6,12],
    'years':[4,1,1,30,30],
    'C':[8,12,18,8,2],
}

df = pd.DataFrame(data=data)
df

現(xiàn)將現(xiàn)有的 columns 輸出，方便后面 copy 使用。

df.columns

# Index(['brand', 'B', 'A', 'D', 'years', 'C'], dtype='object')

Method 1

第一種方法，也是我自己常用的方法，就是自己將列的名稱按需要進(jìn)行手動(dòng)排序，然后運(yùn)行代碼如下：

Method 2

第二種方法，是使用 .iloc 方法，通過列的位置來進(jìn)行排序，如下：

Method 3

第三種方法，是使用 .loc 方法，通過列的名稱來進(jìn)行排序，如下：

這種方法跟第一種方法類似，個(gè)人覺得第一種方法更簡潔些。

Method 4

第四種是逆序排序，算是排序中一種特定的排序方式。

# Method 4 ,逆序

cols = list(df.columns)

cols.reverse()

df[cols]

上述代碼中，cols.reverse() 是將列表（list）進(jìn)行逆序排序。

此外，列表（list）的逆序排序，還可以用 cols[::-1] 來實(shí)現(xiàn)。因此，下面的方法也可以實(shí)現(xiàn)逆序排序。

# Method 4 ,逆序

cols = list(df.columns)

df[cols[::-1]]

實(shí)戰(zhàn)案例：自由排序

有時(shí)候，當(dāng)存在變量、列的數(shù)量較多，或者不同的dataframe中列的名稱不完全一致等情況出現(xiàn)時(shí)，咱們不一定會(huì)通過列名稱來實(shí)現(xiàn)排序。

這里分享一個(gè)實(shí)戰(zhàn)案例，是關(guān)于制作基金的十大持倉數(shù)據(jù)表的，具體過程我就不在這里描述了，下面給出實(shí)現(xiàn)的函數(shù)，有興趣的同學(xué)可以研究下。

自定義函數(shù)如下：

# 需要安裝 akshare
# pip install akshare

years = ['2019','2020','2021']

def fund_stock_holding(years,code):
    data = pd.DataFrame()
    for yr in years:
        df_tmp = ak.fund_em_portfolio_hold(code=code,year=yr)
        data = data.append(df_tmp)

    data['季度']=data['季度'].apply(lambda x:x[:8])
    data['占凈值比例'] = pd.to_numeric(data['占凈值比例'])
    data = data.sort_values(['季度','持倉市值'],ascending=[True,False])
    df = data.set_index(['序號','季度']).stack().unstack([1,2]).head(10)
    df = df.loc[:,(slice(None), '股票名稱')]
    df = df.droplevel(None,axis=1)
    df.columns.name=None
    df = df.reset_index()
#     df.index.name = None
    df['基金代碼'] = code
    return df
    
df = fund_stock_holding(years,'005669')
df

得到的數(shù)據(jù)表格如下：

上面的表格中，我需要將 基金代碼 這一列移動(dòng)到 序號 這列的后面，由于 years = ['2019','2020','2021'] 這是一個(gè)變量，當(dāng)具體的值不同時(shí)，會(huì)導(dǎo)致列名稱不一樣，因此，在這種情況下我們不能直接使用列的具體名稱，但咱們可以通過列的位置組合來實(shí)現(xiàn)，列的調(diào)整具體如下：

cols = df.columns.tolist()
    cols = cols[:1] + cols[-1:] + cols[1:-1]  # 將基金代碼列名放前面
    df = df[cols]

將上面的調(diào)整過程整合到自定義函數(shù)中，完整的代碼如下：

# 需要安裝 akshare
# pip install akshare

years = ['2019','2020','2021']

def fund_stock_holding_update(years,code):
    data = pd.DataFrame()
    for yr in years:
        df_tmp = ak.fund_em_portfolio_hold(code=code,year=yr)
        data = data.append(df_tmp)

    data['季度']=data['季度'].apply(lambda x:x[:8])
    data['占凈值比例'] = pd.to_numeric(data['占凈值比例'])
    data = data.sort_values(['季度','持倉市值'],ascending=[True,False])
    df = data.set_index(['序號','季度']).stack().unstack([1,2]).head(10)
    df = df.loc[:,(slice(None), '股票名稱')]
    df = df.droplevel(None,axis=1)
    df.columns.name=None
    df = df.reset_index()
#     df.index.name = None
    df['基金代碼'] = code
    cols = df.columns.tolist()
    cols = cols[:1] + cols[-1:] + cols[1:-1]  # 將基金代碼列名放前面
    df = df[cols]
    return df
    
df = fund_stock_holding_update(years,'005669')
df

效果如下：