通过同时降序行和列对数据框进行排序答案

【问题标题】：Sort Dataframe by Descending Rows AND Columns at the Same Time通过同时降序行和列对数据框进行排序
【发布时间】：2020-03-27 13:35:33
【问题描述】：

目前有一个按系列显示国家/地区的数据框，值范围为 0-25

我想对 df 进行排序，使最高值出现在左上角（第一个），而最低值出现在右下角（最后一个）。

来自

        A   B   C   D  ...

USA     4   0   10  16
CHN     2   3   13  22
UK      2   1   8   14
...

到

      D   C   A   B   ...

CHN   22  13  2   3
USA   16  10  4   0
UK    14  8   2   1

...

此时，数值最高的列在前，索引也是如此。

我考虑过重新索引，但这会丢失“国家/地区”索引。

    D   C   A   B   ...

0   22  13  2   3
1   16  10  4   0
2   14  8   2   1
...

我考虑过创建一个新的列和行，其中包含相应列/行的平均值或总和，但这是最有效的方法吗？

获得新行/列后，我将如何对 DF 进行排序？？

有没有办法重新索引使用...

df_mv.reindex(df_mv.mean(or sum)().sort_values(ascending = False).index, axis=1)

...这样我就可以保留国家索引，并简单地对其进行相应的排序？

感谢您的任何建议或帮助。

编辑

预期结果按从大到小的排列列和行。

关于预期输出中 A 列和 B 列的第一行，它们应该分别为 2、3。这是因为预期结果将 A 列解释为总和和均值均大于 B 列（即使可以将总和或均值视为行/列的“值”）。

通过说较高的数字将在左上角，而较低的数字将在右下角，我只是说这是结果 df 的总体趋势。然而，整个列和行才是预期的焦点。对于造成的混乱，我深表歉意。

【问题讨论】：

你不应该在结果的第一行末尾得到3, 2吗？
请原谅歧义，谢谢大家的回答！将编辑帖子以更好地反映预期输出...

标签： python pandas sorting dataframe indexing

【解决方案1】：

使用.T 到transpose 行到列，反之亦然：

df = df.sort_values(df.max().idxmax(), ascending=False)
df = df.T
df = df.sort_values(df.columns[0], ascending=False).T

结果：

>>> df
      D   C  B  A
CHN  22  13  3  2
USA  16  10  0  4
UK   14   8  1  2

【讨论】：

为什么知道一定要D点？我认为这不是一个通用的解决方案。
你是对的！编辑我的答案以按df.max().idxmax() 排序，而不是任意选择具有最高值的列。
不应该是4, 0在第二行，2, 1在最后一行吗？
¯_(ツ)_/¯ 问题可以有多种解释方式。
我认为预期的输出不言自明

【解决方案2】：

你可以使用：

rows_index=df.max(axis=1).sort_values(ascending=False).index
col_index=df.max().sort_values(ascending=False).index
new_df=df.loc[rows_index,col_index]
print(new_df)

      D   C  A  B
CHN  22  13  2  3
USA  16  10  4  0
UK   14   8  2  1

【讨论】：

这与预期结果不符。
他的确实有，你的没有。 @jorijnsmit
好好看看预期的结果，现在我注意到你的答案不匹配
我不明白为什么最后第一行有2, 3 而不是3, 2。
很高兴为您提供帮助:)

【解决方案3】：

这是另一种方式，这次没有转置，而是使用axis=1 作为参数：

df = df.sort_values(df.max().idxmax(), ascending=False)
df = df.sort_values(df.index[0], axis=1, ascending=False)

【讨论】：

【解决方案4】：

使用numpy:

arr = df.to_numpy()
arr = arr[np.max(arr, axis=1).argsort()[::-1], :]
arr = np.sort(arr, axis=1)[:, ::-1]
df1 = pd.DataFrame(arr, index=df.index, columns=df.columns)

print(df1)

输出：

      A   B  C  D
USA  22  13  3  2
CHN  16  10  4  0
UK   14   8  2  1

【讨论】：