pd中的反向值.按其值类型进行排序

Question

我有这个pd.Series:

s = pd.Series([1, 'a', 1.4, 'b', 4, 98, 6.7, 'hello', 98.9])

我的目标是将每个值类型的值以相反的顺序交换。

我想要的输出是:

>>> s = pd.Series([98, 'hello', 98.9, 'b', 4, 1, 6.7, 'a', 1.4])
>>> s
0       98
1    hello
2     98.9
3        b
4        4
5        1
6      6.7
7        a
8      1.4
dtype: object
>>> 

正如您所看到的，不同的值类型仍然是混合顺序的，但是它们被其他相同类型的值颠倒了。

• 整数顺序是1, 4, 98，现在是98, 4, 1。

• 浮动顺序是1.4, 6.7, 98.9，现在是98.9, 6.7, 1.4。

• 字符串顺序是'a', 'b', 'hello'，现在是'hello', 'b', 'a'

目前为止我所尝试的是:

>>> s.to_frame().groupby([[*map(type, s)]], sort=False).apply(lambda x: x.iloc[::-1]).reset_index(drop=True)
0
0     98
1      4
2      1
3  hello
4      b
5      a
6   98.9
7    6.7
8    1.4
>>> 

是的，它们的顺序是颠倒的。但是，由于我使用的是groupby，这些值被分组到单独的组中，它们不会混合在一起。

我该如何解决这个问题?

Answer 1

out = (s.groupby(s.map(type), sort=False)
.apply(lambda x: pd.Series(x.sort_values(ascending=False).tolist(), index=x.index)))

out

0       98
1    hello
2     98.9
3        b
4        4
5        1
6      6.7
7        a
8      1.4
dtype: object

Answer 2

我刚刚想出了一个解决方案，它有点长，效率低。不过我还是希望有更好的解决方案。

我是这样做的:

print(
s.to_frame().groupby([[*map(type, s)]], sort=False)
.apply(lambda x: x.reindex(x.index[::-1])
.rename(index=dict(zip(x.index[::-1], x.index))))
.reset_index(level=0, drop=True)
.sort_index().squeeze().rename(index=None)
)

输出:

0       98
1    hello
2     98.9
3        b
4        4
5        1
6      6.7
7        a
8      1.4
dtype: object

我使用to_frame将这个Series转换为DataFrame，我使用map给我所有值的类型。之后，我使用groupby对它们进行分组，apply和rename将它们的顺序/索引颠倒。下一步是使用reset_index重置索引，并使用sort_index按索引对值排序。然后，我只使用squeeze将此DataFrame再次转换为Series，并使用rename删除索引名称。