Numpy, Pandas, 及Python原生的排序方法__Python

在numpy中：

argsort 返回排序後的index，據此可以排序。

#---------一維情形--------------

values=np.random.permutation(10)  #產生0到9的一個排列

values

Out[758]: array([6, 7, 0, 9, 5, 2, 4, 3, 8, 1])

indexer=np.argsort(values) #返回排序後的values的index

indexer

Out[761]: array([2, 9, 5, 7, 6, 4, 0, 1, 8, 3], dtype=int64)

values[indexer] #升序排列

Out[762]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

values[indexer][::-1] #降序排列

Out[763]: array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])

#----------------二維情形-----------

arr=np.random.randn(20).reshape(4,5)

arr

Out[764]: 

array([[ 0.06508931,  0.56513883,  0.62546144, -1.28835261, -2.08906088],

       [ 1.5425056 ,  0.69033553,  1.60385421, -1.52568607, -0.41737589],

       [-0.91894216,  2.08802511, -0.70341454, -0.08491163, -0.17903858],

       [-0.3333518 , -0.49513354,  1.56342694,  0.92744459,  0.48037342]])

arr[:,np.argsort(arr[2])] # 根據第2行從小到大排列

Out[765]: 

array([[ 0.06508931,  0.62546144, -2.08906088, -1.28835261,  0.56513883],

       [ 1.5425056 ,  1.60385421, -0.41737589, -1.52568607,  0.69033553],

       [-0.91894216, -0.70341454, -0.17903858, -0.08491163,  2.08802511],

       [-0.3333518 ,  1.56342694,  0.48037342,  0.92744459, -0.49513354]])

arr[np.argsort(arr[:,0]),:] # 根據第0列從小到大排列

Out[766]: 

array([[-0.91894216,  2.08802511, -0.70341454, -0.08491163, -0.17903858],

       [-0.3333518 , -0.49513354,  1.56342694,  0.92744459,  0.48037342],

       [ 0.06508931,  0.56513883,  0.62546144, -1.28835261, -2.08906088],

       [ 1.5425056 ,  0.69033553,  1.60385421, -1.52568607, -0.41737589]])

在pandas中

使用sort_index 或者sort_values方法，預設在axis=0上排序（即根據某一列的值得大小排序），可以通過axis=1變成按某一行排序。by=index，index為想要排序的列或者行的index。

frame=DataFrame(arr)

frame

frame.sort_index(by=0,ascending=False) # 根據第0列的值進行排序，降序。

Out[767]: 

          0         1         2         3