python - 在 Pandas 中排序两次

Question

我有一个包含三列的数据框 A:“id”、“value”和“date”。我正在按 id 进行 groupby，并注意到一些奇怪的事情:如果我对具有给定 id 的行进行两次连续排序，首先按值然后按日期，操作顺序会影响行的顺序。注意索引为 42915 和 42916 的行的顺序:

A.sort_values('value').sort_values('date')[A.sort_values('value').sort_values('date')['id'] == '0001249666']

id  value   date
42913   0001249666  113845.0    20130408
42914   0001249666  114597.0    20130430
42916   0001249666  125972.0    20140414
42915   0001249666  125971.0    20140414
42917   0001249666  136154.0    20150410
42918   0001249666  145551.0    20160407
42919   0001249666  152911.0    20170413

A[A['id'] == '0001249666'].sort_values('value').sort_values('date')

id  value   date
42913   0001249666  113845.0    20130408
42914   0001249666  114597.0    20130430
42915   0001249666  125971.0    20140414
42916   0001249666  125972.0    20140414
42917   0001249666  136154.0    20150410
42918   0001249666  145551.0    20160407
42919   0001249666  152911.0    20170413

但是，如果我使用带有两个参数的 .sort_values，顺序无关紧要。

A.sort_values(['date','value'])[A.sort_values(['date','value'])['id'] == '0001249666']

id  value   date
42913   0001249666  113845.0    20130408
42914   0001249666  114597.0    20130430
42915   0001249666  125971.0    20140414
42916   0001249666  125972.0    20140414
42917   0001249666  136154.0    20150410
42918   0001249666  145551.0    20160407
42919   0001249666  152911.0    20170413

a[a['id'] == '0001249666'].sort_values(['date','value'])

id  value   date
42913   0001249666  113845.0    20130408
42914   0001249666  114597.0    20130430
42915   0001249666  125971.0    20140414
42916   0001249666  125972.0    20140414
42917   0001249666  136154.0    20150410
42918   0001249666  145551.0    20160407
42919   0001249666  152911.0    20170413

现在我知道我正在做的并不是我想做的最聪明的方法，但我真的很想了解什么可以解释这种行为？当我不理解这种行为时，我隐含地假设了什么。

Answer 1

问题是排序算法不是stable ，因此具有相同排序值的行(当您有多个具有相同 date 的行时会发生这种情况)可能会相对于它们的原始相对顺序被打乱。这意味着，如果您对数据框调用排序两次，第一次排序将不会产生任何(可预测的)效果，因为第二次排序只会根据其自身的标准进行排序。 sort_values支持多种排序算法；如文档所述，默认为快速排序，但如果需要，您可以通过 kind='mergesort' 进行稳定排序。

显然，当您传递两列作为排序依据时，排序算法会同时考虑它们，因此排序会按预期进行。