Comment trier un dataFrame en pandas python par deux colonnes ou plus?

Supposons que j'ai une trame de données avec des colonnes a, bet c, je veux trier la colonne par dataframe bdans l' ordre croissant, et par colonne cdans l' ordre décroissant, comment dois - je faire cela?

Depuis la version 0.17.0, la sortméthode était déconseillée au profit de sort_values. sorta été complètement supprimé dans la version 0.20.0. Les arguments (et les résultats) restent les mêmes:

df.sort_values(['a', 'b'], ascending=[True, False])

Vous pouvez utiliser l'argument croissant de sort:

df.sort(['a', 'b'], ascending=[True, False])

Par exemple:

In [11]: df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])

In [12]: df1.sort(['a', 'b'], ascending=[True, False])
Out[12]:
   a  b
2  1  4
7  1  3
1  1  2
3  1  2
4  3  2
6  4  4
0  4  3
9  4  3
5  4  1
8  4  1

Comme l'a commenté @renadeen

Le tri n'est pas en place par défaut! Vous devez donc affecter le résultat de la méthode de tri à une variable ou ajouter inplace = True à l'appel de méthode.

c'est-à-dire, si vous souhaitez réutiliser df1 en tant que DataFrame trié:

df1 = df1.sort(['a', 'b'], ascending=[True, False])

ou

df1.sort(['a', 'b'], ascending=[True, False], inplace=True)

À partir de pandas 0.17.0, il DataFrame.sort()est obsolète et devrait être supprimé dans une future version de pandas. La façon de trier une trame de données par ses valeurs est maintenantDataFrame.sort_values

En tant que tel, la réponse à votre question serait maintenant

df.sort_values(['b', 'c'], ascending=[True, False], inplace=True)

Pour les grandes trames de données numériques, vous pouvez constater une amélioration significative des performances via numpy.lexsort, qui effectue un tri indirect à l'aide d'une séquence de clés:

import pandas as pd
import numpy as np

np.random.seed(0)

df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])
df1 = pd.concat([df1]*100000)

def pdsort(df1):
    return df1.sort_values(['a', 'b'], ascending=[True, False])

def lex(df1):
    arr = df1.values
    return pd.DataFrame(arr[np.lexsort((-arr[:, 1], arr[:, 0]))])

assert (pdsort(df1).values == lex(df1).values).all()

%timeit pdsort(df1)  # 193 ms per loop
%timeit lex(df1)     # 143 ms per loop

Une particularité est que l'ordre de tri défini avec numpy.lexsortest inversé: (-'b', 'a')trie par série en apremier. Nous nions les séries bpour indiquer que nous voulons que ces séries soient décroissantes.

Sachez que np.lexsortne trie qu'avec des valeurs numériques, tout en pd.DataFrame.sort_valuesfonctionnant avec des chaînes ou des valeurs numériques. L' utilisation np.lexsortavec des cordes donnera: TypeError: bad operand type for unary -: 'str'.