【Day12-排序】浅谈python中的资料排序——sort, sorted, natsort, pd.sort_values

前一天我们学会了对资料进行简单的map处理之後，今天来聊一下排序
不论是进行人工的检视或是後续分析的需求，排序是一个我们会很常到的工具

排序

在python中最简单的排序可以透过呼叫sorted(要排序的list)来进行

对单一list排序

预设从小到大(升序)

A = [1,3,5,1,2]
sorted(A)

输出：

[1, 1, 2, 3, 5]

从大到小(降序)

A = [1,3,5,1,2]
sorted(A,reverse=True)

输出：

[5, 3, 2, 1, 1]

对复合资料进行排序

预设按元素内顺序依次排序

如果传入的资料是tuple类型的，就会先按照第1个元素比较大小进行排序，如果相同的时候则会比较第二个，更多个元素的时候以此类推

B = [("Alice",100), ("Bob", 97), ("Carol", 97), ("Bob", 95) ]
sorted(B)

输出：

[('Alice', 100), ('Bob', 95), ('Bob', 97), ('Carol', 97)]

因此这边我们可以发现这笔资料先按照了人名排序，而相同是Bob的地方则是再从分数小的排到大

也可以指定排序规则或顺序

这边使用lambda函式来取出每个元素的第[1]个元素来比较(100,97,97,95)

# 指定排序元素
B = [("Alice",100), ("Bob", 97), ("Carol", 97), ("Bob", 95) ]
sorted(B,key=lambda x: x[1]) # x为list内每个元素，依照x[1]的元素进行比较

输出：

[('Bob', 95), ('Bob', 97), ('Carol', 97), ('Alice', 100)]

# 指定排序规则
C = ["Alice", "Bob", "Bob", "Bob", "Carol"]
sorted(C,key=len) # 依照长度进行排序

输出:

['Bob', 'Bob', 'Bob', 'Alice', 'Carol']

.sort()和sorted差在哪里？

sorted是复制一份进行排序

A = [1,3,5,1,2]
B = sorted(A)
print("A:", A)
print("B:", B)

A: [1, 3, 5, 1, 2]
B: [1, 1, 2, 3, 5]

sort()是直接在原list排序(所以没有回传)

A = [1,3,5,1,2]
B = A.sort()
print("A:", A)
print("B:", B)

A: [1, 1, 2, 3, 5]
B: None

自然排序

我们这边先建立一个字串list作为测试

A = ["file"+str(x) for x in range(15)]
A

['file0',
 'file1',
 'file2',
 'file3',
 'file4',
 'file5',
 'file6',
 'file7',
 'file8',
 'file9',
 'file10',
 'file11',
 'file12',
 'file13',
 'file14']

without自然排序——字串按照字典顺序

sorted(A)

['file0',
 'file1',
 'file10',
 'file11',
 'file12',
 'file13',
 'file14',
 'file2',
 'file3',
 'file4',
 'file5',
 'file6',
 'file7',
 'file8',
 'file9']

我们发现这边它先排了1开头的10, 11, ..., 14，才排2,3,4...
这似乎和我们想要达成的依照数字排序有点不同

natsort——自然排序

由於natsort不是内建的package，我们需要先进行安装
这边可以使用pip来进行安装

pip install natsort

from natsort import natsorted
natsorted(A)

['file0',
 'file1',
 'file2',
 'file3',
 'file4',
 'file5',
 'file6',
 'file7',
 'file8',
 'file9',
 'file10',
 'file11',
 'file12',
 'file13',
 'file14']

DataFrame排序

刚好最近刚爬完学校公布的成绩分布，就拿这个当作范例好了

import pandas as pd
df = pd.read_excel("GPA.xlsx")
df

依照某栏位进行排序——使用sort_values

df.sort_values("平均值")

依照多个栏位进行排序——by=["栏位1","栏位2"]

df.sort_values(by= ["标准差", "平均值"])

依照多个栏位进行排序且一个升序一个降序——ascending=["栏位1","栏位2"]

df.sort_values(by= ["标准差", "平均值"], ascending=[True, False])

参考资料

• natsort · PyPI
• pandas.DataFrame.sort_values — pandas 0.25.0 documentation (pydata.org)