Python Pandas DataFrame Series 自定义排序

---

场景：对 DataFrame 中数字列绝对值进行排序。

pd.DataFrame([6, -5, 4, -2, 3], columns=['digital'])

结构图为：

sort_0

1. 解决方法 1

1. 生成一个名为『temp_sort』临时的列，使用 abs() 将数值绝对值化；
2. 对 DataFrame.sort_values() 对列 temp_sort 进行排序；
3. 删除临时列 temp_sort。

df = pd.DataFrame([6, -5, 4, -2, 3], columns=['digital'])
df['temp_sort'] = abs(df['digital'])
new_df = df.sort_values(by=['temp_sort']).drop(columns=['temp_sort'])
new_df

结果图：

sort_1

2. 解决方法 2

1. 通过 Series.apply() 将数据转成我们需要绝对值，并将得到的数值替换成 df.index；
2. 通过 sort_index 对 index 排序即可得到我们想到的数据。

df = pd.DataFrame([6, -5, 4, -2, 3], columns=['digital']) 
df.index = df['digital'].apply(abs).tolist()
new_df = df.sort_index()
new_df

结果图：

sort_2

3. 解决方法 3

1. 使用 Series.map() 得到自定义排序后的参数；
2. 使用 numpy.argsort() 得到排序后的位置；
3. 利用步骤 2 中得到的数值 ，并使用 DataFrame.reindex() 根据 index 的位置从新排序。

df = pd.DataFrame([6, -5, 4, -2, 3], columns=['digital'])
sort_ser = df['digital'].map(lambda x: abs(x))
re_index = np.argsort(sort_ser)
new_df = df.reindex(re_index.values.tolist())
new_df

结果图：

sort_3