按绝对值排序而不更改数据

Question

我正在寻找一种简单的方法来按特定列的绝对值对 pandas 数据帧进行排序，但实际上不会更改数据帧中的值。类似于sorted(df, key=abs) 的东西。所以如果我有一个像这样的数据框：

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

在“b”上排序时得到的排序数据如下所示：

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

Answer 1

Pandas 的完美简单解决方案 > V_1.1.0：

在sort_values() function中使用参数key：

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

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

将产生：

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

Answer 2

使用更惯用的 pandas：使用 argsort

更简洁的方法是在绝对值上调用Series.argsort，然后索引：

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

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

如果需要重置索引，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 参数来指定升序/降序，您需要取反df['b'].abs() 才能按降序排序。

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

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

---

您也可以使用 NumPy 执行此操作 - 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，对于降序顺序，

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

Answer 3

更新

由于0.17.0 order 和sort 已被弃用（感谢@Ruggero Turra），您现在可以使用sort_values 来实现此目的：

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