python - 按重复项对 DataFrame 的行进行排序

Question

如何对 DataFrame 进行排序，以便“回收”重复列中的行？

例如，我原来的 DataFrame 是这样的:

In [3]: df
Out[3]: 
    A  B
0  r1  0
1  r1  1
2  r2  2
3  r2  3
4  r3  4
5  r3  5

我希望它变成:

In [3]: df_sorted
Out[3]: 
    A  B
0  r1  0
2  r2  2
4  r3  4
1  r1  1
3  r2  3
5  r3  5

对行进行排序，使 A 列中的行处于“回收”方式。

我在 Pandas 中搜索过 API，但似乎没有任何合适的方法可以这样做。我可以编写一个复杂的函数来完成此操作，但只是想知道是否有任何聪明的方法或现有的 pandas 方法可以做到这一点？非常感谢。

更新:为错误的陈述道歉。在我的实际问题中，B 列包含字符串值。

Answer 1

您可以使用 cumcount用于计算 A 列中的重复项，然后是 sort_values首先是 A(在示例中不是必需的，在实际数据中可能很重要)然后是 C。最后删除列 C by drop :

df['C'] = df.groupby('A')['A'].cumcount()
df.sort_values(by=['C', 'A'], inplace=True)
print (df)
    A  B  C
0  r1  0  0
2  r2  2  0
4  r3  4  0
1  r1  1  1
3  r2  3  1
5  r3  5  1

df.drop('C', axis=1, inplace=True)
print (df)
    A  B
0  r1  0
2  r2  2
4  r3  4
1  r1  1
3  r2  3
5  r3  5

时间:

小 df (len(df)=6)

In [26]: %timeit (jez(df))
1000 loops, best of 3: 2 ms per loop

In [27]: %timeit (boud(df1))
100 loops, best of 3: 2.52 ms per loop

大 df (len(df)=6000)

In [23]: %timeit (jez(df))
100 loops, best of 3: 3.44 ms per loop

In [28]: %timeit (boud(df1))
100 loops, best of 3: 2.52 ms per loop

计时代码:

df = pd.concat([df]*1000).reset_index(drop=True) 
df1 = df.copy()

def jez(df):
    df['C'] = df.groupby('A')['A'].cumcount()
    df.sort_values(by=['C', 'A'], inplace=True)
    df.drop('C', axis=1, inplace=True)
    return (df)

def boud(df):
    df['C'] = df.groupby('A')['B'].rank()
    df = df.sort_values(['C', 'A'])
    df.drop('C', axis=1, inplace=True)
    return (df)
100 loops, best of 3: 4.29 ms per loop