按唯一组的数量对 Pandas 列进行排序

Question

我正在尝试从 kaggle Housing Prices 数据集中对一部分分类数据进行排序。我正在尝试按唯一类别的数量对列进行排序。为了避免问题混乱，我包含了数据框的一小部分（总共 80 列）来演示问题。

    LotConfig    Street    MSZoning
0   Inside       Pave      RL
1   FR2          Pave      RL
2   Corner       Grvl      RL

我打算对列进行排序以获得以下结果。

    MSZoning    Street    LotConfig    
0   RL          Pave      Inside       
1   RL          Pave      FR2          
2   RL          Grvl      Corner

我目前正在使用以下代码。

sorted_categories =  sorted(df.columns, key = lambda col: df[col].nunique())
df = df[sorted_categories]

有没有更好的办法解决这个问题？我是否缺少实现此目的的 pandas 方法？

Answer 1

您可以直接调用 nunique 并使用结果索引您的初始 DataFrame：

u = df.nunique().sort_values().index
df[u]

  MSZoning Street LotConfig
0       RL   Pave    Inside
1       RL   Pave       FR2
2       RL   Grvl    Corner

df.nunique() 将 return 每列一系列唯一值。

>>> df.nunique()
LotConfig    3
Street       2
MSZoning     1
dtype: int64

但是，在你的小例子中，你的方法实际上比我的更快，尽管有点冗长。我会在您的实际 DataFrame 上对此进行测试，因为您的方法并没有错，如果它提高了性能，我会改用它。我相信我的方法在大框架上应该更快，因为它避免多次调用 nunique。

按唯一组的数量对 Pandas 列进行排序

Sort Pandas columns by number of unique groups

python

pandas

kaggle