在连接数据帧之后对特定列进行排序

Question

我将3个数据帧连接到一个数据帧中。现在我想对一些特定的列进行排序，所以我使用了以下代码：

final_df.sort_values(['Tab1_1', 'Tab2_2'], ascending=False)

但是，输出显示col1中的值是有序的，但col5中的值不是。有人能告诉我我缺了什么吗？

以下是数据示例：

concat_table = {'ID': ['Sun_1'], 
'Tab1': ['Al', 'Alu', 'Alt'],
'Tab1_1': [6, 3, 4], 
'%_Tab_1': [90, 50, 40], 
'Tab2': ['Type1', 'Type2', 'Type3'], 
'Tab2_2': [4, 5, 2],
'%_Tab1_2': [60, 90, 40]}

以下是订购方式：

concat_table_ordered = {'ID': ['Sun_1'], 
'Tab1': ['Al', 'Alt', 'Alu'],
'Tab1_1': [6, 4, 3], 
'%_Tab_1': [90, 40, 50], 
'Tab2': ['Type2', 'Type1', 'Type3'], 
'Tab2_2': [5, 4, 2],
'%_Tab1_2': [90, 60, 40]}

Answer 1

如果在panda中按多列排序，则会对sequentially进行排序，这意味着首先按列表中的第一列，她的Tab1_1，然后按下一个值进行排序，但仅当前一列中的值重复时，此处为Tab1_1:

concat_table={'ID':'Sun_1', 
'Tab1': ['Al','Alu','Alt', 'aaa'],
'Tab1_1':[6,3,4,4], 
'%_Tab_1':[90,50,40,100],
'Tab2':['Type1','Type2','Type3','Type4'],
'Tab2_2':[4,5,2,1],
'%_Tab1_2':[60,90,40,20]}
df = pd.DataFrame (concat_table)
print (df)
ID Tab1  Tab1_1  %_Tab_1   Tab2  Tab2_2  %_Tab1_2
0  Sun_1   Al       6       90  Type1       4        60
1  Sun_1  Alu       3       50  Type2       5        90 <-4 are duplicated
2  Sun_1  Alt       4       40  Type3       2        40 <-4 are duplicated
3  Sun_1  aaa       4      100  Type4       1        20
df1 = df.sort_values(['Tab1_1','Tab2_2'], ascending=False)
print (df1)
ID Tab1  Tab1_1  %_Tab_1   Tab2  Tab2_2  %_Tab1_2
0  Sun_1   Al       6       90  Type1       4        60
2  Sun_1  Alt       4       40  Type3       2        40 <-sorted 2,1 
3  Sun_1  aaa       4      100  Type4       1        20 <-sorted 2,1 
1  Sun_1  Alu       3       50  Type2       5        90

如果需要单独排序，则需要先拆分列，然后排序再分配回，但需要默认索引值按reset_index(drop=True):

df1 = df.iloc[:, :4].sort_values(['Tab1_1'], ascending=False)
df2 = df.iloc[:, 4:].sort_values(['Tab2_2'], ascending=False)
final_df = pd.concat([df1.reset_index(drop=True), 
df2.reset_index(drop=True)], axis=1)
print (final_df)
ID Tab1  Tab1_1  %_Tab_1   Tab2  Tab2_2  %_Tab1_2
0  Sun_1   Al       6       90  Type2       5        90
1  Sun_1  Alt       4       40  Type1       4        60
2  Sun_1  Alu       3       50  Type3       2        40

Answer 2

是否将此输出分配给另一个df？否则使用inplace=True:

final_df.sort_values(['col1','col5'], ascending=False, inplace=True)