支持数据并保持原始排序顺序

Question

我想在django查询集中生成数据，同时在索引列上保留原始（非字母）排序顺序。这些数据将在谷歌可视化折线图中使用。

我把我自己的代码一起做了这个工作，但它有点难看，我想知道是否可以使用pandas DataFrame枢轴来完成。

我从来没有用过熊猫，所以在阅读了doco之后，这就是我想出来的。

这里是我未发表的数据框，按日期和高音排序，其中男高音后缀表示：D =日，M =月，Y =年。

df = DataFrame(data) 

       date tenor  value 
0  2014-01-01 1D 0.517125 
1  2014-01-01 1M 0.5175 
2  2014-01-01 2M 0.518159 
3  2014-01-01 3M 0.5187 
4  2014-01-01 4M 0.51912 
5  2014-01-01 5M 0.51949 
6  2014-01-01 6M 0.5197 
7  2014-01-01 9M 0.519511 
8  2014-01-01 1Y 0.5198 
9  2014-01-01 18M 0.521228 
10  2014-01-01 2Y 0.523097 
11  2014-01-01 3Y 0.525054 
12  2014-01-01 4Y 0.527055 
13  2014-01-01 5Y 0.529054 
14  2014-01-01 6Y 0.531099 
15  2014-01-01 7Y 0.532852 
16  2014-01-01 8Y 0.534207 
17  2014-01-01 9Y 0.535314 
18  2014-01-02 1D 0.517874 
19  2014-01-02 1M 0.5181 
20  2014-01-02 2M 0.518451 
21  2014-01-02 3M 0.5188 
22  2014-01-02 4M 0.519113 
23  2014-01-02 5M 0.519418 
24  2014-01-02 6M 0.5196 
25  2014-01-02 9M 0.519377 
26  2014-01-02 1Y 0.5197 
27  2014-01-02 18M 0.521406 
28  2014-01-02 2Y 0.523405 
29  2014-01-02 3Y 0.525254 
30  2014-01-02 4Y 0.527151 
31  2014-01-02 5Y 0.529256 
32  2014-01-02 6Y 0.531543 
33  2014-01-02 7Y 0.533457 
34  2014-01-02 8Y 0.534802 
35  2014-01-02 9Y 0.535847 
36  2014-01-03 1D 0.518552 
37  2014-01-03 1M 0.5186 
38  2014-01-03 2M 0.518536 
39  2014-01-03 3M 0.5186 
40  2014-01-03 4M 0.518865 
41  2014-01-03 5M 0.51916 
42  2014-01-03 6M 0.5193 
43  2014-01-03 9M 0.519024 
44  2014-01-03 1Y 0.5193 
45  2014-01-03 18M 0.520882 
46  2014-01-03 2Y 0.5228 
47  2014-01-03 3Y 0.524647 
48  2014-01-03 4Y 0.526752 
49  2014-01-03 5Y 0.528957 
50  2014-01-03 6Y 0.531065 
51  2014-01-03 7Y 0.532856 
52  2014-01-03 8Y 0.534325 
53  2014-01-03 9Y 0.535558 

使用pandas pivot会产生以下结果。该枢轴工作，但行的顺序错误。

df_pivot = df.pivot(index='tenor', columns='date', values='value') 
tenor   2014-01-01 2014-01-02 2014-01-03 
18M    0.521228 0.521406 0.520882 
1D     0.517125 0.517874 0.518552 
1M     0.5175  0.5181  0.5186 
1Y     0.5198  0.5197  0.5193 
2M     0.518159 0.518451 0.518536 
2Y     0.523097 0.523405  0.5228 
3M     0.5187  0.5188  0.5186 
3Y     0.525054 0.525254 0.524647 
4M     0.51912 0.519113 0.518865 
4Y     0.527055 0.527151 0.526752 
5M     0.51949 0.519418 0.51916 
5Y     0.529054 0.529256 0.528957 
6M     0.5197  0.5196  0.5193 
6Y     0.531099 0.531543 0.531065 
7Y     0.532852 0.533457 0.532856 
8Y     0.534207 0.534802 0.534325 
9M     0.519511 0.519377 0.519024 
9Y     0.535314 0.535847 0.535558 

我想由男高音列排序结果：

tenor   2014-01-01 2014-01-02 2014-01-03 
1D     0.517125 0.517874 0.518552 
1M     0.5175  0.5181  0.5186 
2M     0.518159 0.518451 0.518536 
3M     0.5187  0.5188  0.5186 
4M     0.51912 0.519113 0.518865 
5M     0.51949 0.519418 0.51916 
6M     0.5197  0.5196  0.5193 
9M     0.519511 0.519377 0.519024 
1Y     0.5198  0.5197  0.5193 
18M    0.521228 0.521406 0.520882 
2Y     0.523097 0.523405  0.5228 
3Y     0.525054 0.525254 0.524647 
4Y     0.527055 0.527151 0.526752 
5Y     0.529054 0.529256 0.528957 
6Y     0.531099 0.531543 0.531065 
7Y     0.532852 0.533457 0.532856 
8Y     0.534207 0.534802 0.534325 
9Y     0.535314 0.535847 0.535558 

我想过写会比较，然后使用与当男高音值转换为天的自定义排序函数（不知道现在怎么样）。

我调查了使用google visualization pivot，但似乎只适用于不在现有数据表的查询。

任何其他建议将不胜感激。

Answer 1

比较日单位与月单位是模糊的，例如哪个很大：30D还是1M？如果这是没有问题的，你可以使用reindex()方法来重新排序数据框：

import pandas as pd 

df_pivot = df.pivot(index='tenor', columns='date', values='value') 

DayCounts = {"D":1, "M":365.0/12, "Y":365} 
index = sorted(df_pivot.index, key=lambda v:int(v[:-1])*DayCounts[v[-1]]) 

df_pivot.reindex(index) 

输出：我需要

date 2014-01-01 2014-01-02 2014-01-03 
1D  0.517125 0.517874 0.518552 
1M  0.517500 0.518100 0.518600 
2M  0.518159 0.518451 0.518536 
3M  0.518700 0.518800 0.518600 
4M  0.519120 0.519113 0.518865 
5M  0.519490 0.519418 0.519160 
6M  0.519700 0.519600 0.519300 
9M  0.519511 0.519377 0.519024 
1Y  0.519800 0.519700 0.519300 
18M  0.521228 0.521406 0.520882 
2Y  0.523097 0.523405 0.522800 
3Y  0.525054 0.525254 0.524647 
4Y  0.527055 0.527151 0.526752 
5Y  0.529054 0.529256 0.528957 
6Y  0.531099 0.531543 0.531065 
7Y  0.532852 0.533457 0.532856 
8Y  0.534207 0.534802 0.534325 
9Y  0.535314 0.535847 0.535558