如何按 python 中的因子级别对 pandas 数据框中的行重新排序？

Question

我创建了一个小型数据集来比较每杯大小的咖啡饮料价格。

当我旋转数据集时，输出会自动按字母顺序对索引（'Size' 列）重新排序。

有没有办法为不同的大小分配一个数值级别（例如小 = 0，中 = 1，大 = 2）并以此方式重新排列行？

我知道这可以在 R 中使用 forcats 库完成（例如使用 fct_relevel），但我不知道如何在 python 中完成。我宁愿保留使用 numpy 和 pandas.

的解决方案

data = {'Item': np.repeat(['Latte', 'Americano', 'Cappuccino'], 3),
        'Size': ['Small', 'Medium', 'Large']*3,
        'Price': [2.25, 2.60, 2.85, 1.95, 2.25, 2.45, 2.65, 2.95, 3.25]
       }

df = pd.DataFrame(data, columns = ['Item', 'Size', 'Price'])
df = pd.pivot_table(df, index = ['Size'], columns = 'Item')
df

#         Price
# Item    Americano Cappuccino  Latte
#   Size            
#  Large       2.45       3.25   2.85
# Medium       2.25       2.95   2.60
#  Small       1.95       2.65   2.25

Answer 1

您可以将 Categorical 类型与 ordered=True 一起使用：

df.index = pd.Categorical(df.index,
                          categories=['Small', 'Medium', 'Large'],
                          ordered=True)
df = df.sort_index()

输出：

           Price                 
Item   Americano Cappuccino Latte
Small       1.95       2.65  2.25
Medium      2.25       2.95  2.60
Large       2.45       3.25  2.85

您可以通过以下方式访问代码：

>>> df.index.codes
array([0, 1, 2], dtype=int8)

如果这是一个系列：

>>> series.cat.codes

Answer 2

一个选项是在旋转之前创建分类；对于这种情况，我使用 pyjanitor 中的 encode_categorical，主要是为了方便：

# pip install pyjanitor
import pandas as pd
import janitor
(df
 .encode_categorical(Size = (None, 'appearance'))
 .pivot_table(index='Size', columns='Item')
)

           Price                 
Item   Americano Cappuccino Latte
Size                             
Small       1.95       2.65  2.25
Medium      2.25       2.95  2.60
Large       2.45       3.25  2.85

这样一来，您就不必费心排序了，因为旋转会隐式地进行排序。您可以跳过 pyjanitor，只坚持使用 Pandas：

(df
 .astype({'Size': pd.CategoricalDtype(categories = ['Small', 'Medium', 'Large'], 
                                      ordered = True)})
 .pivot_table(index='Size', columns='Item')
)

           Price                 
Item   Americano Cappuccino Latte
Size                             
Small       1.95       2.65  2.25
Medium      2.25       2.95  2.60
Large       2.45       3.25  2.85

Answer 3

第一种方式：

pivot_table 函数根据索引对行进行排序。因此，在 pivot_table 函数中应用索引时最好使用 lambda 函数。这样，您就不需要任何进一步的排序步骤（更耗时）或任何第三方库。

df = pd.pivot_table(df, index = (lambda row: 0 if df.loc[row,'Size']=="Small" else 1 if df.loc[row,'Size']=="Medium" else 2), 
                    columns = 'Item')

         Price                 
Item Americano Cappuccino Latte
0         1.95       2.65  2.25
1         2.25       2.95  2.60
2         2.45       3.25  2.85

第二种方式：

您也可以使用自己的代码，然后重命名和排序新创建的 table:

df = pd.DataFrame(data, columns = ['Item', 'Size', 'Price'])
df = pd.pivot_table(df, index = ['Size'], columns = 'Item')

# rename:
df = df.rename(index= lambda x: 0 if x=="Small" else 1 if x=="Medium" else 2)

#sort:
df = df.sort_index(ascending = True)


         Price                 
Item Americano Cappuccino Latte
0         1.95       2.65  2.25
1         2.25       2.95  2.60
2         2.45       3.25  2.85

如何按 python 中的因子级别对 pandas 数据框中的行重新排序？

How to reorder rows in pandas dataframe by factor level in python?

python

pandas

dataframe

sorting

ranking