熊猫DataFrame按行重复排序

Question

如何对DataFrame进行排序，以便重复列中的行被“回收”。

例如，我原来的数据帧是这样的：

In [3]: df 
Out[3]: 
    A B 
0 r1 0 
1 r1 1 
2 r2 2 
3 r2 3 
4 r3 4 
5 r3 5 

我想它转到：

In [3]: df_sorted 
Out[3]: 
    A B 
0 r1 0 
2 r2 2 
4 r3 4 
1 r1 1 
3 r2 3 
5 r3 5 

行进行排序，使得A列的行是一个“回收“时尚。

我已经在Pandas搜索了API，但似乎没有任何适当的方法来做到这一点。我可以编写一个复杂的函数来实现这一点，但只是想知道有没有什么聪明的方法或现有的熊猫方法可以做到这一点？提前致谢。

更新： 道歉为一个错误的陈述。在我真正的问题中，列B包含字符串值。

Answer 1

可以使用cumcount通过A在A列计数的重复，然后sort_values第一（在没有必要的样品，在真实数据也许很重要），然后由C。最后由drop删除列C：

df['C'] = df.groupby('A')['A'].cumcount() 
df.sort_values(by=['C', 'A'], inplace=True) 
print (df) 
    A B C 
0 r1 0 0 
2 r2 2 0 
4 r3 4 0 
1 r1 1 1 
3 r2 3 1 
5 r3 5 1 

df.drop('C', axis=1, inplace=True) 
print (df) 
    A B 
0 r1 0 
2 r2 2 
4 r3 4 
1 r1 1 
3 r2 3 
5 r3 5 

时序：

小DF（len(df)=6）

In [26]: %timeit (jez(df)) 
1000 loops, best of 3: 2 ms per loop 

In [27]: %timeit (boud(df1)) 
100 loops, best of 3: 2.52 ms per loop 

大DF（len(df)=6000）

In [23]: %timeit (jez(df)) 
100 loops, best of 3: 3.44 ms per loop 

In [28]: %timeit (boud(df1)) 
100 loops, best of 3: 2.52 ms per loop 

代码时间：

df = pd.concat([df]*1000).reset_index(drop=True) 
df1 = df.copy() 

def jez(df): 
    df['C'] = df.groupby('A')['A'].cumcount() 
    df.sort_values(by=['C', 'A'], inplace=True) 
    df.drop('C', axis=1, inplace=True) 
    return (df) 

def boud(df): 
    df['C'] = df.groupby('A')['B'].rank() 
    df = df.sort_values(['C', 'A']) 
    df.drop('C', axis=1, inplace=True) 
    return (df) 
100 loops, best of 3: 4.29 ms per loop 

Answer 2

您可以根据每组的第一行，然后是第二行，然后是第三行等来制定您的需求。因此，这相当于按行分组，然后根据'A'对结果进行分组。

您可以使用函数rank为每个键的行编号为'A'。适用于各组此功能，就大功告成了：

df['C'] = df.groupby('A')['B'].rank() 

df 
Out[8]: 
    A B C 
0 r1 0 1.0 
1 r1 1 2.0 
2 r2 2 1.0 
3 r2 3 2.0 
4 r3 4 1.0 
5 r3 5 2.0 

df.sort_values(['C', 'A']) 
Out[9]: 
    A B C 
0 r1 0 1.0 
2 r2 2 1.0 
4 r3 4 1.0 
1 r1 1 2.0 
3 r2 3 2.0 
5 r3 5 2.0 

您下降'C'，如果你不需要它。

---

编辑跟进评论

我想当然你的样品'B'是你的索引列英寸如果不是，那么你需要对指数本身的工作：

df['C'] = df.reset_index().groupby('A')['index'].rank()