为什么 sort_values() 与 sort_values().values 不同 [英] why sort_values() is diifferent form sort_values().values

问题描述

我想按所有列对数据框进行排序，我找到了一种方法来解决这个问题

I want to sort a dataframe by all columns,and I find a way to solve that using

df = df.apply( lambda x: x.sort_values())   

我用它来处理我的数据

text1 = text
text = text.apply( lambda x : x.sort_values())
text1 = text1.apply( lambda x : x.sort_values().values)
text.head()
text1.head()

为什么 text = text.apply( lambda x : x.sort_values()) 得到错误的答案，.vaules) 函数是什么?>

why not text = text.apply( lambda x : x.sort_values()) get a wrong answer,and what is the .vaules)function?

text.head()
    Wave    2881.394531 2880.574219 2879.75293  2878.931641 2878.111328
    N-1     0.220934    0.203666    0.205743    0.196011    0.176293
    N-10    0.432692    0.387074    0.395692    0.355331    0.358963
    N-11    0.483360    0.463233    0.456304    0.428930    0.421482
    N-12    0.365057    0.364417    0.385134    0.352451    0.350513
    N-13    0.492172    0.466263    0.480657    0.439115    0.404883


text1.head()
    Wave    2881.394531 2880.574219 2879.75293  2878.931641 2878.111328
    P+1    -21.297623   -25.141329  -21.097095  -31.380476  -38.847958
    P+2    -12.681051   -14.661134  -13.688742  -16.829298  -20.320133
    P+3    -8.164744    -13.097990  -11.784309  -15.419610  -17.822252
    P+4    -0.023353    -0.926852   -8.036203   -14.583183  -17.071484
    P+5     0.022854    -0.037756   -0.002519   -1.891178   -7.795961

推荐答案

默认情况下，Pandas 操作 align数据基于他们的索引.所以考虑例如

By default, Pandas operations align data based on their index. So consider for example

In [19]: df = pd.DataFrame([(10,1),(9,2),(8,3),(7,4)], index=list('ABDC'))

In [20]: df
Out[20]: 
    0  1
A  10  1
B   9  2
D   8  3
C   7  4

当 Pandas 计算 df.apply(lambda x: x.sort_values()) 时，它生成系列:

When Pandas evaluates df.apply(lambda x: x.sort_values()), it generates the Series:

In [24]: df[0].sort_values()
Out[24]: 
C     7
D     8
B     9
A    10
Name: 0, dtype: int64

In [25]: df[1].sort_values()
Out[25]: 
A    1
B    2
D    3
C    4
Name: 1, dtype: int64

然后尝试将这两个系列组合成一个结果数据帧.它通过对齐索引来实现:

and then tries to combine these two Series into a resultant DataFrame. It does that by aligning the indices:

In [21]: df.apply(lambda x: x.sort_values())   
Out[21]: 
    0  1
A  10  1
B   9  2
C   7  4
D   8  3

<小时>

相反，当 lambda 函数返回一个 NumPy 数组时，没有要对齐的索引.所以 Pandas 只是将 NumPy 数组中的值以相同的顺序粘贴到结果 DataFrame 中.

---

In contrast, when the lambda function returns a NumPy array there is no index to align upon. So Pandas merely pastes the values from the NumPy array into a resultant DataFrame in the same order.

所以，当 Pandas 计算 df.apply(lambda x: x.sort_values().values) 时，它生成 NumPy 数组:

So, when Pandas evaluates df.apply(lambda x: x.sort_values().values), it generates the NumPy arrays:

In [26]: df[0].sort_values().values
Out[26]: array([ 7,  8,  9, 10])

In [27]: df[1].sort_values().values
Out[27]: array([1, 2, 3, 4])

然后尝试将这两个 NumPy 数组组合成一个具有相同顺序值的结果 DataFrame

and then tries to combine these two NumPy arrays into a resultant DataFrame with the values in the same order

In [28]: df.apply(lambda x: x.sort_values().values)   
Out[28]: 
    0  1
A   7  1
B   8  2
D   9  3
C  10  4

这篇关于为什么 sort_values() 与 sort_values().values 不同的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！