python - 排序 Pandas 切的垃圾箱

使用pandas cut，我可以通过提供边缘来定义垃圾箱，而pandas可以创建类似于(a, b]的垃圾箱。

我的问题是如何对垃圾箱进行排序(从最低到最高)？

import numpy as np
import pandas as pd

y = pd.Series(np.random.randn(100))

x1 = pd.Series(np.sign(np.random.randn(100)))
x2 = pd.cut(pd.Series(np.random.randn(100)), bins = [-3, -0.5, 0, 0.5, 3])

model = pd.concat([y, x1, x2], axis = 1, keys = ['Y', 'X1', 'X2'])

我有一个中间结果，其中保留了垃圾箱的顺序

int_output = model.groupby(['X1', 'X2']).mean().unstack()
int_output.columns = int_output.columns.get_level_values(1)

X2    (-3, -0.5]  (-0.5, 0]  (0, 0.5]  (0.5, 3]
X1
-1.0    0.101475  -0.344419 -0.482992 -0.015179
 1.0    0.249961   0.484757 -0.066383 -0.249414

但是随后我执行了其他操作，可以任意更改垃圾箱的顺序:

output = pd.concat(int_output.to_dict('series'), axis = 1)

      (-0.5, 0]  (-3, -0.5]  (0, 0.5]  (0.5, 3]
X1
-1.0  -0.344419    0.101475 -0.482992 -0.015179
 1.0   0.484757    0.249961 -0.066383 -0.249414

现在，我想在条形图中绘制数据，但我希望将箱柜从最低的(-3，-0.5]到最高的(0.5，3]进行排序。

我想我可以通过操纵字符串，在“，”上分割然后清洁方括号来实现此目的，但是我想知道是否有更好的方法。

最佳答案

主要的问题是丢失ordered CategoricalIndex 。

np.random.seed(12456)
y = pd.Series(np.random.randn(100))
x1 = pd.Series(np.sign(np.random.randn(100)))
x2 = pd.cut(pd.Series(np.random.randn(100)), bins = [-3, -0.5, 0, 0.5, 3])

model = pd.concat([y, x1, x2], axis = 1, keys = ['Y', 'X1', 'X2'])
int_output = model.groupby(['X1', 'X2']).mean().unstack()
int_output.columns = int_output.columns.get_level_values(1)

print (int_output)
X2    (-3, -0.5]  (-0.5, 0]  (0, 0.5]  (0.5, 3]
X1
-1.0    0.230060  -0.079266 -0.079834 -0.064455
 1.0   -0.451351   0.268688  0.020091 -0.280218

print (int_output.columns)
CategoricalIndex(['(-3, -0.5]', '(-0.5, 0]', '(0, 0.5]', '(0.5, 3]'],
                 categories=['(-3, -0.5]', '(-0.5, 0]', '(0, 0.5]', '(0.5, 3]'],
                 ordered=True, name='X2', dtype='category')

output = pd.concat(int_output.to_dict('series'), axis = 1)
print (output)
      (-0.5, 0]  (-3, -0.5]  (0, 0.5]  (0.5, 3]
X1
-1.0  -0.079266    0.230060 -0.079834 -0.064455
 1.0   0.268688   -0.451351  0.020091 -0.280218

print (output.columns)
Index(['(-0.5, 0]', '(-3, -0.5]', '(0, 0.5]', '(0.5, 3]'], dtype='object')

一个可能的解决方案是extract中的 output.columns 第一个数字，创建帮助器Series并对其进行排序。最后 reindex 个原始列:

cat = output.columns.str.extract('\((.*),', expand=False).astype(float)
a = pd.Series(cat, index=output.columns).sort_values()
print (a)
(-3, -0.5]   -3.0
(-0.5, 0]    -0.5
(0, 0.5]      0.0
(0.5, 3]      0.5
dtype: float64

output = output.reindex(columns=a.index)
print (output)
      (-3, -0.5]  (-0.5, 0]  (0, 0.5]  (0.5, 3]
X1
-1.0    0.230060  -0.079266 -0.079834 -0.064455
 1.0   -0.451351   0.268688  0.020091 -0.280218

关于python - 排序 Pandas 切的垃圾箱，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43251277/