如何通过两个独立的列对矩阵进行排序？答案

【问题标题】：How do I sort a matrix via two indepedent columns?如何通过两个独立的列对矩阵进行排序？
【发布时间】：2018-11-28 07:34:09
【问题描述】：

我最近开始编程，我的任务是根据剂量与安慰剂找出药物不同反应的平均值。我有一个 4 列的 Excel 文件，它分别分为 Drug_1_Dosage、Drug_1_Response、Drug_2_Dosage、Drug_2_Response。

我正在尝试在 Jupyter 笔记本中对这些值进行排序，以便 Drug_1_Dosage 为 1-8 的所有实例都以升序方式排序（例如，剂量为 1 的行超过 1 行），同时也为Drug_2_Dosage 做同样的事情（但不影响第一个）。

我想对它们进行排序，以便稍后计算平均值并将其表示为两列矩阵。

到目前为止，我有这个：

import numpy as np
import pandas as pd

file = open('/Users/Envy/Desktop/Assingment Data.csv',"r")
table = pd.read_csv('/Users/Envy/Desktop/Assingment Data.csv')
drug_1_d = table.iloc[:,0]
drug_1_r = table.iloc[:,1]
drug_2_d = table.iloc[:,2]
drug_2_r = table.iloc[:,3]

到目前为止，一切正常，因为我可以独立选择每一列。我尝试了以下排序没有成功：

1) table = table.sort_values(['Dose drug 1', 'Dose drug 1'],ascending = True)
   table = pd.DataFrame.as_matrix(table)
   table = table[table[:,0].argsort()]
2) table.sort(order=['f1'],axis=0)
3) table.sort_values(['Dose drug 1', 'Dose drug 2'], ascending=[True])
4) table = table.sort_values([:0,:2],ascending=[True])

编辑：

嘿，我做了一些刺激，这适用于上面的代码

table = table.sort_values(['Dose drug 1', 'Dose drug 1'],ascending = True)
table = pd.DataFrame.as_matrix(table) 
print(table)

但它会返回

[[ 1 21  3 27]
 [ 1 19  7 10]
 [ 1 32  3 12]
 ...
 [ 8 18  4 24]
 [ 8  9  1 10]
 [ 8 13  2  9]]

这意味着它只按第 0 列排序，而不是按第 2 列排序，就像我想要的那样。知道如何独立拥有这两种类型吗？

编辑：经过多次反复试验，我现在有了解决方案；

#Generate average response to dosage in 2 column matrix
table = pd.read_csv('Assingment Data.csv', sep=',')
final_means = pd.DataFrame()
# Grouping by Drug 1
final_means['Average Response Drug'] = table.groupby(['Dose drug 1'])['Response drug 1'].mean()
# Grouping by Drug 2
final_means['Average Response Placebo'] = table.groupby(['Dose drug 2'])['Response drug 2'].mean()
final_means.index.names = ['Dose']
print(final_means)

【问题讨论】：

你熟悉Pandas的@987654321@操作吗？这允许您对每个组进行推理，而无需显式对表进行排序
非常感谢！稍加修改就解决了这个问题。我为将来的问题添加了解决方案
@Energya 请提交您的评论作为问题的解决方案。

标签： python columnsorting

【解决方案1】：

你熟悉 Pandas 的groupby 操作吗？这允许您对每个组进行推理，而无需显式对表进行排序

一个简单的例子：

>>> import pandas as pd
>>> df = pd.DataFrame(data={'col1': [0,0,1,1], 'col2': [1,2,3,4]})
>>> df
   col1  col2
0     0     1
1     0     2
2     1     3
3     1     4
>>> df.groupby('col1').mean()
      col2
col1
0      1.5
1      3.5

（感谢@Sean-Pianka 建议我将我的评论作为单独的答案发表）

【讨论】：