与GROUPBY和条件排序熊猫数据帧

Question

我想排序基于满足条件组的数据帧。

在我收到的语法错误，我排序组的方式。而我在尝试上述前丢失的数据帧的初始订单。

这是排序，我试图实现的顺序：

1）排序上的第一和测试列。

2）试验== 1个基团，排序对二次再经最后一列。

---测试== 0组，排序在最后一栏只。

import pandas as pd

df=pd.DataFrame({"First":[100,100,100,100,100,100,200,200,200,200,200],"Test":[1,1,1,0,0,0,0,1,1,1,0],"Secondary":[.1,.1,.1,.2,.2,.3,.3,.3,.3,.4,.4],"Final":[1.1,2.2,3.3,4.4,5.5,6.6,7.7,8.8,9.9,10.10,11.11]})

def sorter(x):
    if x["Test"]==1:
        x.sort_values(['Secondary','Final'], inplace=True)
    else:
        x=x.sort_values('Final', inplace=True)


df=df.sort_values(["First","Test"],ascending=[False, False]).reset_index(drop=True)


df.groupby(['First','Test']).apply(lambda x: sorter(x))

df

---

Expected result:

First Test Secondary Final
200     1   0.4     10.1
200     1   0.3*    9.9*
200     1   0.3*    8.8*

200     0   0.4     11.11*
200     0   0.3     7.7*

100     1   0.5     2.2
100     1   0.1*    3.3*
100     1   0.1*    1.1*

100     0   0.3     6.6*
100     0   0.2     5.5*
100     0   0.2     4.4*

Answer 1

您可以尝试在没有GROUPBY降序排序的，w.r.t序列你给了，排序的顺序将change.will它为你工作

df=pd.DataFrame({"First":[100,100,100,100,100,100,200,200,200,200,200],"Test":[1,1,1,0,0,0,0,1,1,1,0],"Secondary":[.1,.5,.1,.9,.4,.1,.3,.3,.3,.4,.4],"Final":[1.1,2.2,3.3,4.4,5.5,6.6,7.7,8.8,9.9,10.10,11.11]})

df = df.groupby(['First','Test']).apply(lambda x: x.sort_values(['First','Test','Secondary','Final'],ascending=False) if x.iloc[0]['Test']==1 else x.sort_values(['First','Test','Final'],ascending=False)).reset_index(drop=True)
df.sort_values(['First','Test'],ascending=[True,False])

日期：

    Final   First   Secondary   Test
3   2.20    100 0.5 1
4   3.30    100 0.1 1
5   1.10    100 0.1 1
0   6.60    100 0.1 0
1   5.50    100 0.4 0
2   4.40    100 0.9 0
8   10.10   200 0.4 1
9   9.90    200 0.3 1
10  8.80    200 0.3 1
6   11.11   200 0.4 0
7   7.70    200 0.3 0

Answer 2

诀窍是子集分别进行排序，并在原来的DF替换值。这在其他的解决方案走到大熊猫排序问题。

import pandas as pd


df=pd.DataFrame({"First":[100,100,100,100,100,100,200,200,200,200,200],"Test":[1,1,1,0,0,0,0,1,1,1,0],"Secondary":[.1,.5,.1,.9,.4,.1,.3,.3,.3,.4,.4],"Final":[1.1,2.2,3.3,4.4,5.5,6.6,7.7,8.8,9.9,10.10,11.11]})

df.sort_values(['First','Test','Secondary','Final'],ascending=False, inplace=True)

index_subset=df[df["Test"]==0].index
sorted_subset=df[df["Test"]==0].sort_values(['First','Final'],ascending=False)

df.loc[index_subset,:]=sorted_subset.values

print(df)