python - 通过自定义排序规则对数据框行重新排序

Question

我有一个状态+ DC 的数据框。它们应该按名称排序，但 DISTRICT OF COLUMBIA 排在前面。首选非就地方法链接操作。

以下效果很好，并且是我喜欢的链接风格。但对于如此简单的操作来说似乎太复杂了。是否可以以更干净的方式做到这一点？

我从

开始

>>> states = pd.DataFrame({
 'state_name': ['ALABAMA', 'DISTRICT OF COLUMBIA', 'WYOMING',], 
 'population': [1000, 2000, 3000]
 })


>>> states
   population            state_name
0        1000               ALABAMA
1        2000  DISTRICT OF COLUMBIA
2        3000               WYOMING

然后做

>>> (
     states
    .assign(state_name = lambda x: x.state_name.astype('category', ordered=True))
    .assign(state_name = lambda x:x.state_name.cat.reorder_categories(
        ['DISTRICT OF COLUMBIA']
        +  x.state_name.cat.categories.drop('DISTRICT OF COLUMBIA').tolist())
    )
    .sort_values('state_name')
)

获取

   population            state_name
1        2000  DISTRICT OF COLUMBIA
0        1000               ALABAMA
2        3000               WYOMING

Answer 1

这就是你要做的:

• 创建一个 bool 系列states.state_name.ne('DISTRICT OF COLUMBIA')。对于 'DISTRICT OF COLUMBIA' 来说，这将为 False，对于其他所有内容，这将为 True。
• 如果我们对这个 bool 系列进行排序，False 排在前面，所有 True 排在后面。如果我们使用稳定排序，那么这些 True 值将保持相同的顺序。 mergesort 是一种稳定的排序。
• 但是，我们需要将 iloc 与 argsort 结合使用来获取表示该排序的排列。

用很多词来描述这一点:

states.iloc[states.state_name.ne('DISTRICT OF COLUMBIA').argsort(kind='mergesort')]

   population            state_name
1        2000  DISTRICT OF COLUMBIA
0        1000               ALABAMA
2        3000               WYOMING

<小时/>

您还可以添加要在 sort_values 中使用的列

states.eval(
    'dc = state_name != "DISTRICT OF COLUMBIA"', inplace=False
).sort_values('dc', kind='mergesort').drop('dc', 1)

   population            state_name
1        2000  DISTRICT OF COLUMBIA
0        1000               ALABAMA
2        3000               WYOMING