有一個值接近 1 和接近 0 的 pandas DataFrame：df = pd.DataFrame({'colA': (0.97, 0.88, 0.03, 0.02),'colB': (0.01, 0.03, 0.87, 0.99),})根據值排序給出（排序colB顯然沒有效果）：df.sort_values(['colA','colB'], ascending=False)>> colA colB>> 0 0.97 0.01>> 1 0.88 0.03>> 2 0.03 0.87>> 3 0.02 0.99但是，我只想根據較大的值進行排序，比如> 0.5. 這將忽略較小的值colA并切換到以colB進行進一步排序。排序后的 DataFrame 看起來像這樣（row 2并且3已切換）：df.some_function(['colA','colB'], ascending=False, condition=i>0.5)>> colA colB>> 0 0.97 0.01>> 1 0.88 0.03>> 2 0.02 0.99>> 3 0.03 0.87非常感謝你的幫助！
3 回答
冉冉說
TA貢獻1877條經驗 獲得超1個贊
想法是將不匹配的值替換為缺失值然后排序，最后按新索引更改順序：
idx = (df[['colA','colB']].where(df[['colA','colB']] > 0.5)
.sort_values(['colA','colB'], ascending=False).index)
df1 = df.loc[idx]
print (df1)
colA colB
0 0.97 0.01
1 0.88 0.03
3 0.02 0.99
2 0.03 0.87
細節：
print (df[['colA','colB']].where(df[['colA','colB']] > 0.5))
colA colB
0 0.97 NaN
1 0.88 NaN
2 NaN 0.87
3 NaN 0.99
print (df[['colA','colB']].where(df[['colA','colB']] > 0.5)
.sort_values(['colA','colB'], ascending=False))
colA colB
0 0.97 NaN
1 0.88 NaN
3 NaN 0.99
2 NaN 0.87
回首憶惘然
TA貢獻1847條經驗 獲得超11個贊
構建一個與“a”相同但忽略較小值的新列，并使用此新值和“b”進行排序：
df.assign(simplified_a = np.where(df.colA<0.5, 0, df.colA))\
.sort_values(["simplified_a", "colB"], ascending=False).drop("simplified_a", axis=1)
結果：
colA colB
0 0.97 0.01
1 0.88 0.03
3 0.02 0.99
2 0.03 0.87
海綿寶寶撒
TA貢獻1809條經驗 獲得超8個贊
根據條件過濾數據場，然后排序，然后追加
df1 = df.where(df['colA'] > 0.5).sort_values('colA')
df2 = df.where(df['colA'] <= 0.5).sort_values('colB')
final_frame = df1.append(df2).dropna()
colA colB
0 0.87 0.01
1 0.88 0.03
2 0.03 0.87
3 0.02 0.99
添加回答
舉報
0/150
提交
取消