Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Pandas : trier le DataFrame par index et par colonne



Vous pouvez utiliser la syntaxe suivante pour trier un DataFrame pandas par index et par colonne :

df = df.sort_values(by = ['column_name', 'index'], ascending = [False, True])

Les exemples suivants montrent comment utiliser cette syntaxe dans la pratique.

Exemples : trier le DataFrame par index et par colonne

Le code suivant montre comment trier un DataFrame pandas par la colonne nommée points puis par la colonne d’index :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'id': [1, 2, 3, 4, 5, 6, 7, 8],
                   'points': [25, 15, 15, 14, 20, 20, 25, 29],
                   'assists': [5, 7, 7, 9, 12, 9, 9, 4],
                   'rebounds': [11, 8, 10, 6, 6, 5, 9, 12]}).set_index('id')

#view first few rows
df.head()

	points	assists	rebounds
id			
1	25	5	11
2	15	7	8
3	15	7	10
4	14	9	6
5	20	12	6

#sort by points and then by index
df.sort_values(by = ['points', 'id'], ascending = [False, True])

	points	assists	rebounds
id			
8	29	4	12
1	25	5	11
7	25	9	9
5	20	12	6
6	20	9	5
2	15	7	8
3	15	7	10
4	14	9	6

Le DataFrame résultant est trié par points par ordre décroissant puis par index par ordre croissant (s’il y a deux joueurs qui marquent le même nombre de points).

Notez que si nous n’utilisons pas l’argument ascendant , alors chaque colonne utilisera l’ordre croissant comme méthode de tri par défaut :

#sort by points and then by index
df.sort_values(by = ['points', 'id'])

        points	assists	rebounds
id			
4	14	9	6
2	15	7	8
3	15	7	10
5	20	12	6
6	20	9	5
1	25	5	11
7	25	9	9
8	29	4	12

Si la colonne d’index n’est actuellement pas nommée, vous pouvez la renommer puis la trier en conséquence :

#sort by points and then by index
df.rename_axis('index').sort_values(by = ['points', 'id'])

        points	assists	rebounds
id			
4	14	9	6
2	15	7	8
3	15	7	10
5	20	12	6
6	20	9	5
1	25	5	11
7	25	9	9
8	29	4	12

Ressources additionnelles

Pandas : comment trier les colonnes par nom
Pandas : trier le DataFrame par date
Pandas : Comment supprimer les lignes en double

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *