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 : Comment trier les lignes par valeur absolue



Vous pouvez utiliser les méthodes suivantes pour trier les lignes d’un DataFrame pandas en fonction de la valeur absolue d’une colonne :

Méthode 1 : Trier par valeur absolue (la plus petite valeur absolue affichée en premier)

df.reindex(df['my_column'].abs().sort_values().index)

Méthode 2 : Trier par valeur absolue (la plus grande valeur absolue affichée en premier)

df.reindex(df['my_column'].abs().sort_values(ascending=False).index)

Les exemples suivants montrent comment utiliser chaque méthode dans la pratique avec le DataFrame pandas suivant qui contient des informations sur divers joueurs de basket-ball :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'player': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   'over_under': [4, -9, 2, 0, 1, 12, -4, -5]})
                   
#view DataFrame
print(df)

  player  over_under
0      A           4
1      B          -9
2      C           2
3      D           0
4      E           1
5      F          12
6      G          -4
7      H          -5

Exemple 1 : Trier par valeur absolue (la plus petite valeur absolue affichée en premier)

Nous pouvons utiliser la syntaxe suivante pour trier les lignes du DataFrame en fonction de la valeur absolue de la colonne over_under :

#sort DataFrame based on absolute value of over_under column
df_sorted = df.reindex(df['over_under'].abs().sort_values().index)

#view sorted DataFrame
print(df_sorted)

  player  over_under
3      D           0
4      E           1
2      C           2
0      A           4
6      G          -4
7      H          -5
1      B          -9
5      F          12

Notez que les lignes sont triées de la plus petite valeur absolue dans la colonne over_under à la plus grande valeur absolue.

Exemple 2 : Trier par valeur absolue (la plus grande valeur absolue affichée en premier)

Nous pouvons utiliser la syntaxe suivante pour trier les lignes du DataFrame en fonction de la valeur absolue de la colonne over_under :

#sort DataFrame based on absolute value of over_under column
df_sorted = df.reindex(df['over_under'].abs().sort_values(ascending=False).index)

#view sorted DataFrame
print(df_sorted)

  player  over_under
5      F          12
1      B          -9
7      H          -5
0      A           4
6      G          -4
2      C           2
4      E           1
3      D           0

Notez que les lignes sont triées de la plus grande valeur absolue dans la colonne over_under à la plus petite valeur absolue.

Remarque : Vous pouvez trouver la documentation complète de la fonction pandas sort_values() ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans les pandas :

Pandas : comment trier par date
Pandas : comment trier les colonnes par nom
Pandas : comment trier à la fois par index et par colonne

Ajouter un commentaire

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