web-dev-qa-db-ja.com

Pandas)の多重指数ソート

Groupby操作を介して作成されたマルチインデックスDataFrameがあります。インデックスのいくつかのレベルを使用して複合ソートを実行しようとしていますが、必要なことを実行するソート関数が見つからないようです。

初期データセットは次のようになります(さまざまな製品の1日の売上高)。

         Date Manufacturer Product Name Product Launch Date  Sales
0  2013-01-01        Apple         iPod          2001-10-23     12
1  2013-01-01        Apple         iPad          2010-04-03     13
2  2013-01-01      Samsung       Galaxy          2009-04-27     14
3  2013-01-01      Samsung   Galaxy Tab          2010-09-02     15
4  2013-01-02        Apple         iPod          2001-10-23     22
5  2013-01-02        Apple         iPad          2010-04-03     17
6  2013-01-02      Samsung       Galaxy          2009-04-27     10
7  2013-01-02      Samsung   Galaxy Tab          2010-09-02      7

Groupbyを使用して、日付範囲の合計を取得します。

> grouped = df.groupby(['Manufacturer', 'Product Name', 'Product Launch Date']).sum()
                                               Sales
Manufacturer Product Name Product Launch Date       
Apple        iPad         2010-04-03              30
             iPod         2001-10-23              34
Samsung      Galaxy       2009-04-27              24
             Galaxy Tab   2010-09-02              22

ここまでは順調ですね!

今、私がしたい最後のことは、各メーカーの製品を発売日でソートすることですが、それらをメーカーの下で階層的にグループ化しておいてください-これが私がやろうとしているすべてです:

                                               Sales
Manufacturer Product Name Product Launch Date       
Apple        iPod         2001-10-23              34
             iPad         2010-04-03              30
Samsung      Galaxy       2009-04-27              24
             Galaxy Tab   2010-09-02              22

Sortlevel()を試してみると、以前の会社ごとのニース階層が失われます。

> grouped.sortlevel('Product Launch Date')
                                               Sales
Manufacturer Product Name Product Launch Date       
Apple        iPod         2001-10-23              34
Samsung      Galaxy       2009-04-27              24
Apple        iPad         2010-04-03              30
Samsung      Galaxy Tab   2010-09-02              22

sort()とsort_index()は失敗します:

grouped.sort(['Manufacturer','Product Launch Date'])
KeyError: u'no item named Manufacturer'

grouped.sort_index(by=['Manufacturer','Product Launch Date'])
KeyError: u'no item named Manufacturer'

簡単な操作のようですが、よくわかりません。

私はこれにMultiIndexを使用することに縛られていませんが、それがgroupby()が返すものなので、それが私が取り組んできたものです。

ところで、最初のDataFrameを生成するコードは次のとおりです。

data = {
  'Date': ['2013-01-01', '2013-01-01', '2013-01-01', '2013-01-01', '2013-01-02', '2013-01-02', '2013-01-02', '2013-01-02'],
  'Manufacturer' : ['Apple', 'Apple', 'Samsung', 'Samsung', 'Apple', 'Apple', 'Samsung', 'Samsung',],
  'Product Name' : ['iPod', 'iPad', 'Galaxy', 'Galaxy Tab', 'iPod', 'iPad', 'Galaxy', 'Galaxy Tab'], 
  'Product Launch Date' : ['2001-10-23', '2010-04-03', '2009-04-27', '2010-09-02','2001-10-23', '2010-04-03', '2009-04-27', '2010-09-02'],
  'Sales' : [12, 13, 14, 15, 22, 17, 10, 7]
}
df = DataFrame(data, columns=['Date', 'Manufacturer', 'Product Name', 'Product Launch Date', 'Sales'])
13
Keeth

ハックは、レベルの順序を変更することです。

In [11]: g
Out[11]:
                                               Sales
Manufacturer Product Name Product Launch Date
Apple        iPad         2010-04-03              30
             iPod         2001-10-23              34
Samsung      Galaxy       2009-04-27              24
             Galaxy Tab   2010-09-02              22

In [12]: g.index = g.index.swaplevel(1, 2)

Sortlevel。(あなたが見つけたように)MultiIndexレベルを次の順序でソートします。

In [13]: g = g.sortlevel()

そしてスワップバック:

In [14]: g.index = g.index.swaplevel(1, 2)

In [15]: g
Out[15]:
                                               Sales
Manufacturer Product Name Product Launch Date
Apple        iPod         2001-10-23              34
             iPad         2010-04-03              30
Samsung      Galaxy       2009-04-27              24
             Galaxy Tab   2010-09-02              22

sortlevelは残りのラベルを順番に並べ替えるべきではないので、githubの問題が発生するだろうと思います。:) docnoteに言及する価値はありますが約 "ソートの必要性"

注:最初のgroupbyの順序を並べ替えることで、最初のswaplevelを回避できます。

g = df.groupby(['Manufacturer', 'Product Launch Date', 'Product Name']).sum()
8
Andy Hayden

このワンライナーは私のために働きます:

In [1]: grouped.sortlevel(["Manufacturer","Product Launch Date"], sort_remaining=False)

                                               Sales
Manufacturer Product Name Product Launch Date       
Apple        iPod         2001-10-23              34
             iPad         2010-04-03              30
Samsung      Galaxy       2009-04-27              24
             Galaxy Tab   2010-09-02              22

これも機能することに注意してください。

groups.sortlevel([0,2], sort_remaining=False)

これは、2年以上前に最初に投稿したときには機能しませんでした。これは、sortlevelがデフォルトで、会社の階層を台無しにしたすべてのインデックスでソートされているためです。 sort_remainingは、昨年追加された動作を無効にします。参考のためにコミットリンクを次に示します: https://github.com/pydata/pandas/commit/3ad64b11e8e4bef47e3767f1d31cc26e39593277

4
Jim

MultiIndexを「インデックス列」(別名​​レベル)で並べ替えるには、 .sort_index() メソッドを使用し、そのlevel引数を設定する必要があります。複数のレベルで並べ替える場合は、引数をレベル名のリストに順番に設定する必要があります。

これにより、必要なDataFrameが得られます。

df.groupby(['Manufacturer', 'Product Name', 'Launch Date']).sum().sort_index(level=['Manufacturer','Launch Date'])
1
fpersyn

インデックスの保存に関心がない場合(私はしばしば任意の整数インデックスを好む)、次のワンライナーを使用できます。

grouped.reset_index().sort(["Manufacturer","Product Launch Date"])
0
David Hollett

非常に深いMultiIndex内で複数のスワップを回避したい場合は、次の方法で試すこともできます。

  1. レベルXによるスライス(リスト内包表記+ .loc + IndexSliceによる)
  2. 目的のレベルを並べ替えます(sortlevel(2))
  3. レベルXインデックスのすべてのグループを連結します

ここにコードがあります:

import pandas as pd
idx = pd.IndexSlice
g = pd.concat([grouped.loc[idx[i,:,:],:].sortlevel(2) for i in grouped.index.levels[0]])
g
0
Xavi