Сортировка индекса Pandas Dataframe Mutli по уровню и значению столбца
У меня есть пандас dataframe, который выглядит так:
value
Id
2014-03-13 1 -3
2 -6
3 -3.2
4 -3.1
5 -5
2014-03-14 1 -3.4
2 -6.2
3 -3.2
4 -3.2
5 -5.9
который в основном является групповым объектом с двумя уровнями многоиндексности.
Я хочу отсортировать его в порядке возрастания в соответствии с value столбца, но не изменяя уровень 0 (даты), чтобы результат выглядел так:
value
Id
2014-03-13 2 -6
5 -5
3 -3.2
4 -3.1
1 -3
2014-03-14 2 -6.2
5 -5.9
1 -3.4
3 -3.2
4 -3.2
Вот код для генерации начальных данных:
import pandas as pd
dates = [pd.to_datetime('2014-03-13', format='%Y-%m-%d'), pd.to_datetime('2014-03-13', format='%Y-%m-%d'), pd.to_datetime('2014-03-13', format='%Y-%m-%d'), pd.to_datetime('2014-03-13', format='%Y-%m-%d'),
pd.to_datetime('2014-03-13', format='%Y-%m-%d'),pd.to_datetime('2014-03-14', format='%Y-%m-%d'), pd.to_datetime('2014-03-14', format='%Y-%m-%d'), pd.to_datetime('2014-03-14', format='%Y-%m-%d'),
pd.to_datetime('2014-03-14', format='%Y-%m-%d'), pd.to_datetime('2014-03-14', format='%Y-%m-%d')]
values = [-3,-6,-3.2,-3.1,-5,-3.4,-6.2,-3.2,-3.2,-5.9]
Ids = [1,2,3,4,5,1,2,3,4,5]
df = pd.DataFrame({'Id': pd.Series(Ids, index=dates),
'value': pd.Series(values, index=dates)})
df = df.groupby([df.index,'Id']).sum()
2 ответа
Для меня работает reset_index + sort_values + set_index + rename_axis:
df = df.reset_index() \
.sort_values(['level_0','value']) \
.set_index(['level_0','Id']) \
.rename_axis([None, 'Id'])
print (df)
value
Id
2014-03-13 2 -6.0
5 -5.0
3 -3.2
4 -3.1
1 -3.0
2014-03-14 2 -6.2
5 -5.9
1 -3.4
3 -3.2
4 -3.2
Другое решение с sort_values + swaplevel + sort_index:
df = df.sort_values('value')
.swaplevel(0,1)
.sort_index(level=1, sort_remaining=False)
.swaplevel(0,1)
print (df)
value
Id
2014-03-13 2 -6.0
5 -5.0
3 -3.2
4 -3.1
1 -3.0
2014-03-14 2 -6.2
5 -5.9
1 -3.4
3 -3.2
4 -3.2
Обмен местами необходим, потому что:
print (df.sort_values('value').sort_index(level=0, sort_remaining=False))
value
Id
2014-03-13 1 -3.0
2 -6.0
3 -3.2
4 -3.1
5 -5.0
2014-03-14 1 -3.4
2 -6.2
3 -3.2
4 -3.2
5 -5.9
Для панд 0.23.0 Возможна сортировка столбцов и уровней индекса вместе:
df.index.names = ['level1','level2']
print (df.sort_values(['level1','value']))
value
level1 level2
2014-03-13 2 -6.0
5 -5.0
3 -3.2
4 -3.1
1 -3.0
2014-03-14 2 -6.2
5 -5.9
1 -3.4
3 -3.2
4 -3.2
Насколько мне известно, одновременная сортировка как по индексу, так и по столбцу невозможна, но простой обходной путь будет следующим:
df = df.reset_index().sort_values(by = ['level_0','values']).set_index(['level_0','Id'])
... и если вам нужно избавиться от метки индекса 'level_0':
df.index.names = [None, 'Id']
Настроить:
import pandas as pd
import io
c = io.StringIO(u'''
Id value
2014-03-13 1 -3
2014-03-13 2 -6
2014-03-13 3 -3.2 2014-03-13 4 -3.1
2014-03-13 5 -5
2014-03-14 1 -3.4
2014-03-14 2 -6.2
2014-03-14 3 -3.2
2014-03-14 4 -3.2
2014-03-14 5 -5.9
''')
df = pd.read_csv(c, delim_whitespace = True)
df = df.groupby([df.index,'Id']).max()
Начальный df:
value
Id
2014-03-13 1 -3.0
2 -6.0
3 -3.2
4 -3.1
5 -5.0
2014-03-14 1 -3.4
2 -6.2
3 -3.2
4 -3.2
5 -5.9
Ouput:
value
Id
2014-03-13 2 -6.0
5 -5.0
3 -3.2
4 -3.1
1 -3.0
2014-03-14 2 -6.2
5 -5.9
1 -3.4
3 -3.2
4 -3.2