所以我想知道是否可以对多行数据框进行排序。例如，假设有一个包含5行的数据框，我想随机选择几行，在这种情况下，假设2行，我将其指定为centroid1和centroid2，然后根据这些行对数据框进行排序。在这种情况下，小于质心1的行位于其上方，大于质心1但小于质心2的行位于它们之间，大于质心2的行位于质心2之下。
def compareRows(arr1, arr2):
a1 = sum(arr1)
a2 = sum(arr2)
return a1 > a2
此功能是我比较行的方式。
data = np.array(pd.read_csv('https://raw.githubusercontent.com/gsprint23/cpts215/master/progassignments/files/cancer.csv', header=None))
data = data.T
#print(data)
df = pd.DataFrame(data[1:], columns=data[0], dtype=float).T
sampled = df.sample(1)
d = df.drop(sampled.index)
gt = d.apply(compareRows, 1, arr2=sampled.squeeze())
df = pd.concat([d[~gt], sampled, d[gt]])
我了解如何单行执行此操作。上面的代码读取数据集，然后将其放入数据框。然后，它从框架中取出一个样本，将其删除，然后应用compareRows函数比较其他行是否大于或小于该行，并将它们附加在正确的位置。我的问题是，是否可以推广此过程，以便可以用1,2,3 ... n行完成。因此，如果我选择了3个中心，则与上面的示例中有2个中心的示例类似，但是将有另一个中心对数据进行分区。
任何建议表示赞赏。如果需要有关此问题的任何其他信息或解释，请告诉我。
感谢您的阅读
最佳答案
我们可以迭代地应用比较行，只要样本已经按其总和的升序排列即可
def compareRows(arr1, arr2):
a1 = sum(arr1)
a2 = sum(arr2)
return a1 > a2
def sort_centroids(samples): #just sorts the samples in increasing order of their sum
order = [float(i.sum(axis=1)) for i in samples]
std=sorted(zip(samples,order),key=lambda x: x[1],reverse=True)
return [i[0] for i in std]
import numpy as np
import pandas as pd
data = np.array(pd.read_csv('https://raw.githubusercontent.com/gsprint23/cpts215/master/progassignments/files/cancer.csv', header=None))
data = data.T
df = pd.DataFrame(data[1:], columns=data[0], dtype=float).T
num_centroids = 10
samples = [df.sample(1) for i in range(num_centroids)]
samples = sort_centroids(samples)
for i in range(num_centroids): #loop over centroids one by one
d = df.drop(samples[i].index)
gt = d.apply(compareRows, 1, arr2=samples[i].squeeze())
df = pd.concat([d[~gt], samples[i], d[gt]])
完整性检查 ：
o=[float(i.sum(axis=1)) for i in samples]
o.reverse()
print(o)
print()
print(df.sum(axis=1))