Panda ordina per colonna

Un Python è uno strumento eccellente per l'elaborazione dei dati, grazie a una fiorente comunità di strumenti Python incentrati sui dati. Panda è anche uno di questi programmi e semplifica notevolmente l'importazione e l'analisi dei dati. L'ordinamento dei dati in Python può essere fatto in modi diversi. Quando un utente desidera ordinare un determinato set di dati in base a una colonna specifica, si pone la domanda. Secondo la colonna fornita, il metodo Sort_Values ​​() in Panda organizza un set di dati in direzione ascendente o discendente. Si differenzia dal metodo Python ordinato in quanto non può ordinare un set di dati e non può scegliere una colonna specifica. Pertanto, abbiamo deciso di scrivere questo articolo per semplificare l'ordinamento con la funzione Sort_Values ​​(). Iniziamo.

Esempio 01:

Iniziamo con il nostro primo esempio dell'articolo di oggi sull'ordinamento dei frame di dati dei panda tramite le colonne. Per questo, è necessario aggiungere il supporto del panda nel codice con il suo oggetto "PD" e importare i panda. Dopo questo, abbiamo iniziato il codice con l'inizializzazione di un dizionario DIC1 con tipi misti di coppie chiave. La maggior parte di loro sono stringhe, ma l'ultima chiave contiene l'elenco dei tipi interi come valore. Ora, questo dizionario DIC1 è stato convertito in Pandas DataFrame per visualizzarlo nella forma tabulare di dati utilizzando la funzione DataFrame (). Il frame di dati risultante verrà salvato nella variabile "D". La funzione di stampa è qui per visualizzare la cornice di dati originale sulla console Spyder 3 utilizzando la variabile "D" in essa. Ora, abbiamo utilizzato la funzione Sort_Values ​​() tramite il frame di dati "D" per ordinarla in base all'ordine ascendente della colonna "C3" dal frame dei dati e salvarlo nella variabile D1. Questo frame di dati ordinato D1 verrà stampato nella console Spyder 3 con l'aiuto del pulsante di corsa.

Importa panda come PD
DIC1 = 'C1': ['John', 'William', 'Laila'], 'C2': ['Jack', 'Worth', 'Sky'], 'C3': [36, 50, 25]
d = pd.DataFrame (DIC1)
print ("\ n DataFrame originale: \ n", d)
d1 = d.sort_values ​​('c3')
print ("\ n ordinato per colonna 3: \ n", d1)

Dopo aver eseguito questo codice, abbiamo ottenuto il frame di dati originale e quindi il frame di dati ordinato in base all'ordine ascendente della colonna C3.

Diciamo che vuoi ordinare o ordinare il frame di dati in ordine decrescente; Puoi farlo con la funzione Sort_Values ​​(). Devi solo aggiungere il falso ascendente nei suoi parametri. Quindi, abbiamo provato lo stesso codice con questo nuovo aggiornamento. Inoltre, questa volta, abbiamo ordinato il frame di dati in base all'ordine decrescente della colonna C2 e visualizzandolo sulla console.

Importa panda come PD
DIC1 = 'C1': ['John', 'William', 'Laila'], 'C2': ['Jack', 'Worth', 'Sky'], 'C3': [36, 50, 25]
d = pd.DataFrame (DIC1)
print ("\ n DataFrame originale: \ n", D)
d1 = d.sort_values ​​('c1', ascending = false)
print ("\ n ordinato in ordine decrescente della colonna 1: \ n", d1)

Dopo aver eseguito il codice aggiornato, abbiamo visualizzato il frame originale sulla console. Successivamente, è stato visualizzato il frame di dati ordinato in base all'ordine decrescente della colonna C3.

Esempio 02:

Iniziamo con un altro esempio per vedere il funzionamento della funzione Sort_Values ​​() dei panda. Ma questo esempio sarà un po 'diverso dall'esempio sopra. Ordineremo il frame di dati in base alle due colonne. Quindi, iniziamo questo codice con la libreria di Panda come importazione "PD" alla prima riga. Il dizionario di tipo intero Dic1 è stato definito e ha chiavi di tipo stringa. Il dizionario è stato nuovamente convertito in una cornice di dati utilizzando la funzione Pandas Everlasting DataFrame () e salvato nella variabile "D". Il metodo di stampa visualizzerà il frame di dati "D" sulla console Spyder 3. Ora, il frame di dati verrà ordinato utilizzando la funzione "Sort_values ​​()", prendendo due nomi di colonne, C1 e C2, I.e. tasti. L'ordine di smistamento è stato deciso come ascendente = vero. L'istruzione di stampa visualizzerà il frame di dati aggiornato e ordinato "D" nella schermata dello strumento Python.

Importa panda come PD
Dic1 = 'C1': [3, 5, 7, 9], 'C2': [1, 3, 6, 8], 'C3': [23, 18, 14, 9]
d = pd.DataFrame (DIC1)
print ("\ n DataFrame originale: \ n", D)
d1 = d.sort_values ​​(by = ['c1', 'c2'], ascending = true)
print ("\ n ordinato in ordine decrescente della colonna 1 e 2: \ n", d1)

Dopo che questo codice è stato completato, l'abbiamo eseguito in Spyder 3 e ottenuto il risultato di seguito ordinato secondo l'ordine ascendente delle colonne C1 e C2.

Esempio 03:

Diamo un'occhiata all'ultimo esempio di utilizzo delle funzioni sort_values ​​(). Questa volta, abbiamo inizializzato un dizionario di due elenchi di diversi tipi, i.e. stringhe e numeri. Il dizionario è stato convertito in un insieme di frame di dati con l'aiuto della funzione Panda "DataFrame ()". Il frame di dati "D" è stato stampato così com'è. Abbiamo utilizzato due volte la funzione "Sort_values ​​()" per ordinare il frame di dati in base alla colonna "Age" e alla colonna "Nome" separatamente su due righe diverse. Entrambi i frame di dati ordinati sono stati stampati con il metodo di stampa.

Importa panda come PD
Dic1 = 'Name': ['John', 'William', 'Laila', 'Bryan', 'Jees'], 'Age': [15, 10, 34, 19, 37]
d = pd.DataFrame (DIC1)
print ("\ n DataFrame originale: \ n", d)
d1 = d.sort_values ​​(by = 'age', na_position = 'primo')
print ("\ n ordinato in ordine crescente della colonna 'età': \ n", d1)
d1 = d.sort_values ​​(by = 'name', na_position = 'first')
print ("\ n ordinato in ordine crescente del 'nome' colonna ': \ n", d1)

Dopo aver eseguito questo codice, abbiamo prima visualizzato il frame di dati originale. Successivamente, è stato visualizzato il frame di dati ordinato secondo la colonna "Age". Infine, il frame di dati è stato ordinato in base alla colonna "nome" e visualizzato di seguito.

Conclusione:

Questo articolo ha spiegato magnificamente il funzionamento della funzione "Sort_Values ​​()" di Panda per ordinare qualsiasi frame di dati in base alle sue diverse colonne. Abbiamo visto come ordinare con una singola colonna per più di 1 colonna in Python. Tutti gli esempi possono essere implementati su qualsiasi strumento Python.