Панды переупорядочивают значения в столбцах с несколькими индексами по строкам

#python #pandas #dataframe

Вопрос:

У меня есть следующая многоиндексная таблица:

A				B				C				D
t_1		t_2		t_1		t_2		t_1		t_2		t_1		t_2
x	y	x	y	x	y	x	y	x	y	x	y	x	y	x	y
2.2	5.1	3.4	1.8	1.5	6.7	8.1	7.5	6.1	2.1	9.3	7.1	8.2	1.1	1.4	2.5
7.9	3.2	1.1	5.3	9.3	3.1	0.9	3.2	4.1	5.1	7.7	4.3	8.1	0.4	2.4	4.1

Точки данных (x, y) были случайным образом распределены по столбцам A — D. Я хочу переупорядочить их по x значению t_1 , выделенному курсивом. Другие значения не имеют значения для повторного упорядочения, но переносятся в их новый столбец x значением-at t_1 . Это означает, что каждая строка будет переупорядочена по-разному.

Мне нужен некоторый код, который обрабатывает приведенную выше таблицу для создания:

A				B				C				D
t_1		t_2		t_1		t_2		t_1		t_2		t_1		t_2
x	y	x	y	x	y	x	y	x	y	x	y	x	y	x	y
1.5	6.7	8.1	7.5	2.2	5.1	3.4	1.8	6.1	2.1	9.3	7.1	8.2	1.1	1.4	2.5
4.1	5.1	7.7	4.3	7.9	3.2	1.1	5.3	8.1	0.4	2.4	4.1	9.3	3.1	0.9	3.2

1. Я не понял вопроса. Пожалуйста, дайте более подробные объяснения. как вы получили эту таблицу результатов.

2. Кажется, что все x (t_1) находятся в порядке asc. и y (t_1) находятся в порядке убывания.

3. @Pygirl Я добавил еще несколько объяснений. Для сортировки используется только x(t_1), при этом значения y(t_1), x(t_2) и y(t_2) не являются релевантными, просто «переносятся» сортировкой x(t_1).

Ответ №1:

Вот вариант, включающий в основном вмешательство в форму данных, сортировку, а затем использование измененных значений и исходных df столбцов (мультииндекс) для создания конечного кадра данных:

 df2 = df.T.unstack(level=0).T.reset_index(level=0, col_fill='row')
df2 = df2.sort_values([('level_0', 'row'), ('t_1', 'x')], ignore_index=True)
values = df2.drop(('level_0', 'row'), axis=1).values.reshape(2, -1)
df3 = pd.DataFrame(data=values, columns=df.columns)  # using original df's columns

Выход:

                     A                   B                   C                   D
        t_1       t_2       t_1       t_2       t_1       t_2       t_1       t_2
     x    y    x    y    x    y    x    y    x    y    x    y    x    y    x    y
0  1.5  6.7  8.1  7.5  2.2  5.1  3.4  1.8  6.1  2.1  9.3  7.1  8.2  1.1  1.4  2.5
1  4.1  5.1  7.7  4.3  7.9  3.2  1.1  5.3  8.1  0.4  2.4  4.1  9.3  3.1  0.9  3.2

В более удобочитаемом, но неточном формате таблицы:

A				B				C				D
t_1		t_2		t_1		t_2		t_1		t_2		t_1		t_2
x	y	x	y	x	y	x	y	x	y	x	y	x	y	x	y
1.5	6.7	8.1	7.5	2.2	5.1	3.4	1.8	6.1	2.1	9.3	7.1	8.2	1.1	1.4	2.5
4.1	5.1	7.7	4.3	7.9	3.2	1.1	5.3	8.1	0.4	2.4	4.1	9.3	3.1	0.9	3.2

1. Мне было трудно найти правильный синтаксис для сортировки их по элементу строки блоков A,B,C,D. 1. Это выглядит хорошо

2. Я предложу вам использовать этот удивительный инструмент для демонстрации table:tablesgenerator.com/markdown_tables

3. @Pygirl Спасибо. Я обычно использую df.to_markdown , когда это необходимо, но это вообще плохо обрабатывает столбцы с несколькими индексами. Связанный вами инструмент становится ближе, но все равно потребуется вручную настроить заголовки, удалить дублированные метки заголовков и т. Д. что не является идеальным. Что является той же проблемой в таблице ОП. Хм, я могу добавить это, если это поможет читабельности.

Ответ №2:

попробуйте с unstack и groupby : (единственное решение, которое я могу придумать прямо сейчас)

 df1 = df.unstack().unstack()
for col in df1.columns:
    a = []
    for i,g in df1[col].groupby(level=0):
        a.append((i,g.iloc[0]))
    get_sortedli = sorted(a, key=lambda x: x[1])
    order_col = [f1 for f1,f2 in get_sortedli]
    val = (df.iloc[col].reindex(order_col, axis=1, level=0))
    df.iloc[col] = val

df:

Я представил себе это как проблему с 4 блоками(A,B,C,D). После упорядочения получите значения и назначьте их реальному кадру данных.

df1: