我正在尝试从kaggle Housing Prices数据集中对一部分分类数据进行排序。我正在尝试按唯一类别的数量对列进行排序。为了避免问题混乱,我已经包含了一小部分数据框(总共80列)来演示问题。
LotConfig Street MSZoning
0 Inside Pave RL
1 FR2 Pave RL
2 Corner Grvl RL
我的目标是对列进行排序以实现以下结果。
MSZoning Street LotConfig
0 RL Pave Inside
1 RL Pave FR2
2 RL Grvl Corner
我目前正在使用以下代码。
sorted_categories = sorted(df.columns, key = lambda col: df[col].nunique())
df = df[sorted_categories]
有没有更好的方法来解决这个问题?我错过了一个实现这个的熊猫方法吗?
您可以直接调用nunique
并使用结果索引您的初始DataFrame:
u = df.nunique().sort_values().index
df[u]
MSZoning Street LotConfig
0 RL Pave Inside
1 RL Pave FR2
2 RL Grvl Corner
df.nunique()
将返回每列的一系列唯一值。
>>> df.nunique()
LotConfig 3
Street 2
MSZoning 1
dtype: int64
然而,就你的小例子而言,你的方法实际上比我的更快,虽然有点冗长。我会在你的实际DataFrame上测试它,因为你的方法不正确,如果它提高了性能,我会改用它。我相信我的方法在大框架上应该更快,因为它避免多次调用nunique
。