python - pandas系列中的两列排序

Question

对我之前提出的问题稍作修改。我设法找到了一个解决方案，可以按 pandas 系列中的特定列对值进行排序。然而，问题是纯粹按时间排序不允许我考虑时间发生的不同日期。我知道我可以对订单进行硬编码并使用 .loc 来应用订单，但想找出是否有一个更简单的解决方案主要按周(最早的一周在前)和时间(每周 0-23 小时)进行排序.

这是我再次拥有的数据框示例:

weeknum   time_hour
16-22Jun  0.0           5
2-8Jun    0.0           3
23-29Jun  0.0          11
9-15Jun   0.0           3
16-22Jun  1.0           3
2-8Jun    1.0           6
23-29Jun  1.0           3
9-15Jun   1.0           8
16-22Jun  2.0           3
2-8Jun    2.0           6
23-29Jun  2.0           3
16-22Jun  3.0           4
2-8Jun    3.0           2
23-29Jun  3.0           3
9-15Jun   3.0           4
16-22Jun  4.0           2
2-8Jun    4.0           7
23-29Jun  4.0           1
9-15Jun   4.0           7
16-22Jun  5.0           2
2-8Jun    5.0           9
23-29Jun  5.0           9
9-15Jun   5.0          12
16-22Jun  6.0           5
2-8Jun    6.0          12
23-29Jun  6.0           6
9-15Jun   6.0          14
16-22Jun  7.0          12
2-8Jun    7.0          17
23-29Jun  7.0          19

这是我的代码:

merged_clean.groupby('weeknum')['time_hour'].value_counts().sort_index(level=['time_hour'])

Answer 1

使用函数sorted by multiple keys用于对 MultiIndex 进行排序，并在 - 之前转换第一个数字，并用于更改顺序，请使用 DataFrame.reindex :

s = merged_clean.groupby('weeknum')['time_hour'].value_counts()
idx = sorted(s.index, key = lambda x: (int(x[0].split('-')[0]), x[1]))
s = s.reindex(idx)

<小时/>

print (s)
weeknum   time_hour
2-8Jun    0.0           3
          1.0           6
          2.0           6
          3.0           2
          4.0           7
          5.0           9
          6.0          12
          7.0          17
9-15Jun   0.0           3
          1.0           8
          3.0           4
          4.0           7
          5.0          12
          6.0          14
16-22Jun  0.0           5
          1.0           3
          2.0           3
          3.0           4
          4.0           2
          5.0           2
          6.0           5
          7.0          12
23-29Jun  0.0          11
          1.0           3
          2.0           3
          3.0           3
          4.0           1
          5.0           9
          6.0           6
          7.0          19
Name: a, dtype: int64