基于列值的熊猫排序

Question

我有一个像这样的熊猫数据框：

我的数据框如下图所示，

Input DataFrame
     id          ratio
 0   1           5.00%
 1   2           9.00%
 2   3           6.00%
 3   2           13.00%
 4   1           19.00%
 5   4           30.00%
 6   3           5.5%
 7   2           22.00%

然后我该如何将其分组

         id          ratio
     0   1           5.00%
     4   1           19.00%
     6   3           5.5%
     2   3           6.00%
     1   2           9.00%
     3   2           13.00%
     7   2           22.00%
     5   4           30.00%

因此，本质上首先查看比率，取该值的最小值，并将其具有相同ID的其余行分组。然后寻找第二低的比率，并再次将其余ID分组，等等。

Answer 1

借助pd.Categorical：

d = {'id':[1, 2, 3, 2, 1, 4, 3, 2],
     'ratio': ['5.00%', '9.00%', '6.00%', '13.00%', '19.00%', '30.00%', '5.5%', '22.00%']}

df = pd.DataFrame(d)

df['ratio_'] = df['ratio'].map(lambda x: float(x[:-1]))
df['id'] = pd.Categorical(df['id'], categories=df.sort_values(['id', 'ratio_']).groupby('id').head(1).sort_values(['ratio_', 'id'])['id'], ordered=True)
print(df.sort_values(['id', 'ratio_']).drop('ratio_', axis=1))

打印：

  id   ratio
0  1   5.00%
4  1  19.00%
6  3    5.5%
2  3   6.00%
1  2   9.00%
3  2  13.00%
7  2  22.00%
5  4  30.00%

Answer 2

首先将ratio列转换为数字。

然后我们通过使用rank获得每组最低的Groupby

最后，我们基于rank和numeric ratio进行排序。

df['ratio_num'] = df['ratio'].str[:-1].astype(float).rank()
df['rank'] = df.groupby('id')['ratio_num'].transform('min')

df = df.sort_values(['rank', 'ratio_num']).drop(columns=['rank', 'ratio_num'])

   id   ratio
0   1   5.00%
1   1  19.00%
2   3    5.5%
3   3   6.00%
4   2   9.00%
5   2  13.00%
6   2  22.00%
7   4  30.00%

Answer 3

这应该可以解决问题：

df.loc[df["ratio"].str.replace("%", "").astype("float").sort_values().index]

输出：

   id   ratio
0   1   5.00%
6   3    5.5%
2   3   6.00%
1   2   9.00%
3   2  13.00%
4   1  19.00%
7   2  22.00%
5   4  30.00%