使用sort_values()独立对 pandas DataFrame的所有列进行排序

问题描述

我有一个数据框，想对所有列进行降序或升序排序.

I have a dataframe and want to sort all columns independently in descending or ascending order.

import pandas as pd

data = {'a': [5, 2, 3, 6],
        'b': [7, 9, 1, 4],
        'c': [1, 5, 4, 2]}
df = pd.DataFrame.from_dict(data)
   a  b  c
0  5  7  1
1  2  9  5
2  3  1  4
3  6  4  2

当我使用 sort_values() >为此，它(对我而言)无法正常工作，只能对一列进行排序:

When I use sort_values() for this it does not work as expected (to me) and only sorts one column:

foo = df.sort_values(by=['a', 'b', 'c'], ascending=[False, False, False])
   a  b  c
3  6  4  2
0  5  7  1
2  3  1  4
1  2  9  5

如果我使用此中的解决方案，则可以获得预期的结果应用lambda函数的答案:

I can get the desired result if I use the solution from this answer which applies a lambda function:

bar = df.apply(lambda x: x.sort_values().values)
print(bar)

   a  b  c
0  2  1  1
1  3  4  2
2  5  7  4
3  6  9  5

但这对我来说似乎有点笨拙.

But this looks a bit heavy-handed to me.

sort_values()上面的示例，如何在没有lambda函数的情况下以熊猫的方式对数据框中的所有列进行排序?

What's actually happening in the sort_values() example above and how can I sort all columns in my dataframe in a pandas-way without the lambda function?

推荐答案

您可以使用 numpy.sort 和DataFrame构造函数:

You can use numpy.sort with DataFrame constructor:

df1 = pd.DataFrame(np.sort(df.values, axis=0), index=df.index, columns=df.columns)
print (df1)
   a  b  c
0  2  1  1
1  3  4  2
2  5  7  4
3  6  9  5

以降序排列:

arr = df.values
arr.sort(axis=0)
arr = arr[::-1]
print (arr)
[[6 9 5]
 [5 7 4]
 [3 4 2]
 [2 1 1]]

df1 = pd.DataFrame(arr, index=df.index, columns=df.columns)
print (df1)
   a  b  c
0  6  9  5
1  5  7  4
2  3  4  2
3  2  1  1

这篇关于使用sort_values()独立对 pandas DataFrame的所有列进行排序的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！