python - 自定义排序 pandas 数据框

Question

我有一个使用 pandas.DataFrame 的(非常大的)表。它包含文本的字数统计；索引是单词列表:

             one.txt  third.txt  two.txt
a               1          1        0
i               0          0        1
is              1          1        1
no              0          0        1
not             0          1        0
really          1          0        0
sentence        1          1        1
short           2          0        0
think           0          0        1 

我想根据所有文本中单词的频率对单词列表进行排序。因此，我可以轻松创建一个包含每个单词的频率总和的系列(使用单词作为索引)。但我该如何对这个列表进行排序呢？

一种简单的方法是将列表作为列添加到数据帧中，对其进行排序，然后将其删除。出于性能原因，我想避免这种情况。

描述了另外两种方式here ，但是一个复制了数据帧，这是一个问题，因为它的大小，另一个创建了一个新索引，但我需要有关单词的信息。

Answer 1

您可以计算频率并使用sort方法来查找所需的索引顺序。然后使用 df.loc[order.index] 重新排序原始 DataFrame:

order = df.sum(axis=1).sort(inplace=False)
result = df.loc[order.index]

<小时/>

例如，

import pandas as pd

df = pd.DataFrame({
    'one.txt': [1, 0, 1, 0, 0, 1, 1, 2, 0],
    'third.txt': [1, 0, 1, 0, 1, 0, 1, 0, 0],
    'two.txt': [0, 1, 1, 1, 0, 0, 1, 0, 1]}, 
    index=['a', 'i', 'is', 'no', 'not', 'really', 'sentence', 'short', 'think'])

order = df.sum(axis=1).sort(inplace=False, ascending=False)
print(df.loc[order.index])

产量

          one.txt  third.txt  two.txt
sentence        1          1        1
is              1          1        1
short           2          0        0
a               1          1        0
think           0          0        1
really          1          0        0
not             0          1        0
no              0          0        1
i               0          0        1