如何在 Python 中按多列对 Pandas DataFrame 进行排序

Question

我有一个包含 3 列的数据框。

Code	Volume	Trade Value
Apple	500	1000
Amazon	1000	500
Facebook	250	750
Samsung	100	1500

首先，我想按升序对卷列进行排序： False 表示从最大到最小。然后，创建名称为“Volume Order”的新列，并给出编号作为排序编号。其次，我想对 Trade Value 升序排序： False 表示从大到小。之后，创建名为“交易订单”的新列，并给出数字作为排序编号。但是，当我对交易值进行排序时，排序的交易量列的顺序会根据交易量顺序发生变化。最后，我有 2 个已排序的列和 2 个已排序的列。最后，我想通过对最多 2 个单独的列进行排序来排序并创建一个新的最后一列。（Volume Order- Trade Order）。

预期产出（当数量和交易价值按顺序排序时；

Code	Volume Order	Trade Order
Samsung	4	1
Apple	2	2
Facebook	3	3
Amazon	1	4

最终输出

Code	Max Ordered Number	Final Sorted Number
Samsung	4	1
Amazon	4	2
Facebook	3	3
Apple	2	4

注意：如果它们是相同的最大订购数，则交易价值将更重要，以较大的一个的压轴表示。例子;三星 4-4。但三星拥有最大的贸易订单。这就是为什么它作为最终排序数字较大的原因。

当我尝试这段代码时；我做不到。你能帮忙解决这个问题吗？

ordered = volume_df.sort_values(by=['Volume'], ascending=False,ignore_index=True)
ordered['Volume Order'] = ordered.index+1 
ordered = trade_value_df.sort_values(by=['Trade Value'], ascending=False,ignore_index=True)
ordered['Trade Order'] = ordered.index+1 

Answer 1

而不是使用sort_values 和索引使用rank：

df['Volume Order'] = df['Volume'].rank(ascending=False)
df['Trade Order']  = df['Trade'].rank(ascending=False)
df['Trade Order2']  = df['Trade'].rank(ascending=True)
df['Max Ordered Number']  = df[['Volume Order', 'Trade Order']].max(axis=1)
df['Final Sorted Number'] = df[['Max Ordered Number', 'Trade Order2']].apply(tuple, axis=1).rank(ascending=False)
df.drop('Trade Order2', axis=1)

输出：

       Code  Volume  Trade  Value  Volume Order  Trade Order  Max Ordered Number  Final Sorted Number
0     Apple     500   1000   <NA>             2            2                   2                    4
1    Amazon    1000    500   <NA>             1            4                   4                    2
2  Facebook     250    750   <NA>             3            3                   3                    3
3   Samsung     100   1500   <NA>             4            1                   4                    1

Answer 2

写的时候有问题：

ordered = trade_value_df.sort_values(by=['Trade Value'], ascending=False,ignore_index=True)

您正在为名称 ordered 分配新的东西，因此您实际上丢失了之前分配给该名称的数据框。

一种可能性是在同一个数据帧上执行所有操作，而不是拥有多个数据帧：

import pandas as pd

df = pd.DataFrame({'Code':['Apple', 'Amazon', 'Facebook', 'Samsung'], 'Volume':[500, 1000, 250, 100], 'Trade Value': [1000, 500, 750, 1500]})

df = df.sort_values(by=['Volume'], ascending=False,ignore_index=True)
df['Volume Order'] = df.index + 1

df = df.sort_values(by=['Trade Value'], ascending=False,ignore_index=True)
df['Trade Order'] = df.index + 1

print(df)
#        Code  Volume  Trade Value  Volume Order  Trade Order
# 0   Samsung     100         1500             4            1
# 1     Apple     500         1000             2            2
# 2  Facebook     250          750             3            3
# 3    Amazon    1000          500             1            4