按绝对值排序而不改变数据

Question

我希望能够找到一种简单的方法，按照特定列的绝对值对Pandas数据框进行排序，但实际上不改变数据框中的任何值。类似于 sorted(df, key=abs)。因此，如果我有一个数据框如下：

    a   b
0   1   -3
1   2   5 
2   3   -1
3   4   2
4   5   -9

按'b'排序时得到的已排序数据如下：

    a   b
2   3   -1
3   4   2
0   1   -3
1   2   5 
4   5   -9

- afinit

Answer 1

使用Pandas >= V_1.1.0的完美简单解决方案：

在sort_values()函数中使用参数key：

import pandas as pd
df = pd.DataFrame({'A': ['a', 'b', 'c', 'd', 'e', 'f'], 'B': [-3, -2, -1, 0, 1, 2]})

df.sort_values(by='B', key=abs)

会产生：

    A   B
3   d   0
2   c   -1
4   e   1
1   b   -2
5   f   2
0   a   -3

- Lucecpkn

---

直到看到这个答案，我才注意到key关键字参数！ - Shan Dou

ttt.sort_values(by='B', key=pd.Series.abs) 也能工作，或许在较旧的 Pandas 版本中也是如此？ - Cactus Philosopher

@CactusPhilosopher：不确定旧版本是否支持，因为根据文档，key参数是“在1.1.0版本中新增的”，该版本于2020年7月28日发布。 - Lucecpkn

一个附加问题：如果我想按多列排序，并且只对其中一列使用abs()进行排序，我该如何修改这段代码使其工作？ - Bowen Liu

@BowenLiu：我只能想到另一种方法： df['B_abs'] = df['B'].abs() 然后 df.sort_values(['B_abs', 'A'])。 - Lucecpkn

Answer 2

更新

自从0.17.0版本以来，order和sort已被弃用（感谢 @Ruggero Turra），现在您可以使用sort_values来实现这一功能：

In[16]:

df.reindex(df.b.abs().sort_values().index)
Out[16]: 
   a  b
2  3 -1
3  4  2
0  1 -3
1  2  5
4  5 -9

- EdChum

---

我希望看到这个程序可以跨多个索引执行此操作，例如，如果index1可以是“水果”或“蔬菜”，index2是任何水果或蔬菜，值是该项目的总花费，则可以按食品类型（index1）的成本绝对值排序数据框，然后再按每种水果或蔬菜的成本进行内部排序。 - HaPsantran

对于所有在这里搜索最大绝对值的值的人，请将代码更改为：df.reindex(df.b.abs().sort_values(ascending=False).index)。 - PV8

一个附加问题：如果我想按多列排序，并且只对其中一列使用abs()进行排序，我该如何修改这段代码使其工作？ - Bowen Liu

Answer 3

朝着更符合习惯的pandas方向：使用argsort

一个更简洁的方法是在绝对值上调用Series.argsort，然后进行索引：

df.iloc[df['b'].abs().argsort()]

   a  b
2  3 -1
3  4  2
0  1 -3
1  2  5
4  5 -9

如果您需要重置索引，请使用Series.reset_index。

df.iloc[df['b'].abs().argsort()].reset_index(drop=True)

   a  b
0  3 -1
1  4  2
2  1 -3
3  2  5
4  5 -9

最后，由于argsort没有ascending参数指定升序/降序，因此需要对df['b'].abs()进行取反以按降序排序。

df.iloc[(-df['b'].abs()).argsort()]

   a  b
4  5 -9
1  2  5
0  1 -3
3  4  2
2  3 -1

---

你也可以使用NumPy来完成这个任务——使用np.abs和ndarray.argsort。

df.iloc[np.abs(df['b'].values).argsort()]

   a  b
2  3 -1
3  4  2
0  1 -3
1  2  5
4  5 -9

或者，对于降序排序：

df.iloc[(-np.abs(df['b'].values)).argsort()]

   a  b
4  5 -9
1  2  5
0  1 -3
3  4  2
2  3 -1

- cs95

Answer 4

对于系列数据：

series_name.sort_values(key=abs)

然后将其与数据框相结合：

df.reindex(series_name.sort_values(key=abs).index)

- abir

---

这如何补充现有的答案？ - C8H10N4O2

@C8H10N4O2 而不是考虑整个数据框，只需对数据框的目标序列 / 列进行排序，然后相应地重新索引其余列即可。 - abir