Pandas 还能这么玩儿？这样排序才叫真功夫！
共 3640字，需浏览 8分钟
·
2021-05-11 14:53
标签：排序
时间：2019 年 12 月 31 日，晚 9 点
地点：XXX 公司 数据分析部 办公室
龙少终于完成了年终分析报表，把邮件发给了严总，正收拾东西打卡回家，突然，叮铃铃……，手机响了，“怎么是严总的电话！”，龙少心里一紧，但也不能不接，别看严总岁数比龙少小，但平时的严厉可是名副其实。
刚一接通，电话那头就传来严总一通霹雳巴拉的责问，“你这表怎么搞的，知不知道北京、上海、广州是咱们最重要的分公司，要把这几家摆在前面，不能按拼音顺序显示，这样让人怎么看！细节决定成败！懂不懂！！！赶紧改！！！” 说完，严总就挂了电话，龙少本已穿上羽绒服开始冒汗的身体，犹如被屋外的寒风一样吹了个透心凉。
龙少心想，这 Pandas 提供的 sort_index() 也好，sort_values() 也罢，都不支持自定义排序啊，天啊，严总，你没女朋友，可以全情投入工作，我还想赶紧回家陪老婆娃娃过新年呢。咋整，求助呆鸟吧。
呆鸟云：“为了帮龙少实现赶紧回家老婆孩子热炕头的愿望，呆鸟总结了 Pandas 几种自定义排序方法：
自定义索引排序
自定义列值排序
利用辅助列实现自定义列值排序
自定义列序
掌握了这几种方式，就能更灵活的排序，这才叫排序真功夫。”
0. 准备工作
导入 Pandas：
import pandas as pd
导入数据，销售数据放在 data/自定义排序.xlsx 的 销售数据 表里，在导入时，把序号列设为索引。
sales = pd.read_excel("data/自定义排序.xlsx","销售数据",index_col="序号")
1. 自定义索引排序
要是数据量不多，可以尝试一下自定义索引排序。
只需提供索引列表，用 reindex() 就能重设数据排序。
reorder = [4,8,9,1,5,7,2,6,3]
sales.reindex(reorder)
看到了吗，上图就是我们想排列数据的顺序，分公司按北京、上海、广州、深圳排序，门店按一店、二店、三店排序。
虽然只有 9 条数据，但这种一个一个写索引，呆鸟已经看的头晕眼花了，这要再多点，更受不了了，显然，数据量稍微多一些，这种方式就不适合了。
2. 自定义列值排序
下面，我们学习一种更简单，更直观的方式。
这里的原理是把列转换为类别型，通过指定类别排序，按列值排序。
sales['分公司'] = pd.Categorical(sales['分公司'], categories=[
'北京', '上海', '广州', '深圳'], ordered=True)
sales.sort_values(by='分公司')
这样很方便地就实现了按分公司排列，但并未实现门店列的排序，比如，广州与深圳的二店排在了一店前面。
虽然，也可以把门店列改为类别型，但门店很多就不直观了，因此，我们再引入一种方式。
同时，也请注意，类似这种分公司与门店名称的排序，要在设计数据库时提供分公司与门店代码，在数据导出时也要导出相应代码，代码依据规律创建，在排序时就可以用上。
如果代码规律与排序规律还是不一致，就只好自行维护一套自定义规律表了。
3. 利用辅助列实现自定义列值排序
首先，要导入自定义的分公司与门店代码表。
这两个表分别放在了自定义排序的 Excel 文件里，如果从数据库导出的文件较大，推荐单独放在一个 Excel 文件里，避免打开大文件效率低。
branch = pd.read_excel('data/自定义排序.xlsx','分公司代码')
department = pd.read_excel('data/自定义排序.xlsx','门店代码')
然后，把为分公司与门店匹配对应的代码，这个操作，类似 Excel 的 vlookup()。
sales = pd.merge(sales, branch, on="分公司", how="left")
sales = pd.merge(sales, department, on="门店",how="left")
这里简要说明一下 merge()，
sales 是 left ~ 左，因为 sales 放在左边；
branch 或 department 是 right ~ 右，因为这两个 df 放在了右边，瞧，就是这么简单；
on="分公司"，以两个 df 的
分公司列为依据，进行合并；how="left"，如何 merge，以左边的为主，还可以写
right、outer、inner，分别表示按右边的 df、两个 df 的并集、两个 df 的交集；
merge() 还有其它参数，这里先不多说，有兴趣的朋友可以去看下 Pandas 官档里关于 merge() 的说明。
现在，用 sort_values()，就可以实现自定义排序了。
sales.sort_values(['分公司代码','门店代码'],inplace=True)
看到了吗？行序已经按要求排好了。
4. 自定义列序
至此，列序还有些乱，严总看了，肯定又会批评不注意细节了，还要按以下顺序重排列序：分公司代码、分公司、门店代码、门店、销售额。
Pandas 的 sort_index() 可以实现按列名排序，但对中文不友好不说，还不支持自定义排序：
sales.sort_index(axis='columns',ascending=True)
从上面的列子可以看到，sort_index() 只支持按字母或数字排序，不支持自定义列排序，咱们还得想办法。
其实很简单！
sales = sales[['分公司代码', '分公司', '门店代码', '门店', '销售额']]
至此，列序也排好了，但这就完了吗？
如果这样给严总，肯定还会挨批！
为什么呢？
大家看下 index， 也就是索引序号，是不是乱序的？另外，对严总来说，他并不关心这些代码，这些只是冗余信息，影响他看数据的效率与效果，也应该去掉。
# 删掉没用的列
del sales['分公司代码'], sales['门店代码']
# 重置索引
sales.reset_index(drop=True,inplace=True)
这里说明一下 reset_index()：
drop=True，代表不保留原来的索引，如果是False，就会在生成的新 df 里保留原来的索引。inplace=True，代表直接在这个 df 里重置索引，无需生成新的 df。
到此为止，这个简单的小表，已经完工了。
龙少又学了几招，终于在 10 点前把新的年度销售表交给了严总，严总也没再提出什么异议。龙少对呆鸟说：“这方法真是不错，省了我大事啦，改天我请你吃饭！”，呆鸟云：“吃饭就免啦，多帮我把文章转转朋友圈，点点在看就好啦。另外，我接的广告，也看一下，我的文章可都是费心写的，也不收费，就靠广告金主大佬施舍点午饭钱，要不我就白忙活啦。”
龙少说：“转朋友圈，点在看，看广告，都是举手之劳，小事一桩！”
就在此时，严总的声音也在空中回荡：“转朋友圈，点在看，看广告，别让呆鸟当白劳！”
龙少一看严总回公司了，赶紧来了句“严总，2020，新年快乐”，就速速溜了。
最后，再总结下：
数据量少，可以直接写自定义列表，用
reindex()重排行序；单列，且列中唯一值少，适合改为类别型，用类别值排序；
多列，或列中唯一值较多，可以做辅助列自定义排序；
列排序，按列名写个自定义列表就可以了。
希望大家有所收获，感谢龙少、严总友情出演。
相关阅读：