Pandas 還能這么玩兒？這樣排序才叫真功夫！
標簽：排序
時間：2019 年 12 月 31 日，晚 9 點
地點：XXX 公司 數(shù)據(jù)分析部 辦公室
龍少終于完成了年終分析報表，把郵件發(fā)給了嚴總，正收拾東西打卡回家，突然，叮鈴鈴……，手機響了，“怎么是嚴總的電話！”，龍少心里一緊，但也不能不接，別看嚴總歲數(shù)比龍少小，但平時的嚴厲可是名副其實。
剛一接通，電話那頭就傳來嚴總一通霹靂巴拉的責問，“你這表怎么搞的，知不知道北京、上海、廣州是咱們最重要的分公司，要把這幾家擺在前面，不能按拼音順序顯示，這樣讓人怎么看！細節(jié)決定成??！懂不懂！??！趕緊改?。。 ?說完，嚴總就掛了電話，龍少本已穿上羽絨服開始冒汗的身體，猶如被屋外的寒風一樣吹了個透心涼。
龍少心想，這 Pandas 提供的 sort_index() 也好，sort_values() 也罷，都不支持自定義排序啊，天啊，嚴總，你沒女朋友，可以全情投入工作，我還想趕緊回家陪老婆娃娃過新年呢。咋整，求助呆鳥吧。
呆鳥云：“為了幫龍少實現(xiàn)趕緊回家老婆孩子熱炕頭的愿望，呆鳥總結(jié)了 Pandas 幾種自定義排序方法：
自定義索引排序
自定義列值排序
利用輔助列實現(xiàn)自定義列值排序
自定義列序
掌握了這幾種方式，就能更靈活的排序，這才叫排序真功夫?！?/p>
0. 準備工作
導入 Pandas：
import pandas as pd
導入數(shù)據(jù)，銷售數(shù)據(jù)放在 data/自定義排序.xlsx 的 銷售數(shù)據(jù) 表里，在導入時，把序號列設(shè)為索引。
sales = pd.read_excel("data/自定義排序.xlsx","銷售數(shù)據(jù)",index_col="序號")
1. 自定義索引排序
要是數(shù)據(jù)量不多，可以嘗試一下自定義索引排序。
只需提供索引列表，用 reindex() 就能重設(shè)數(shù)據(jù)排序。
reorder = [4,8,9,1,5,7,2,6,3]
sales.reindex(reorder)
看到了嗎，上圖就是我們想排列數(shù)據(jù)的順序，分公司按北京、上海、廣州、深圳排序，門店按一店、二店、三店排序。
雖然只有 9 條數(shù)據(jù)，但這種一個一個寫索引，呆鳥已經(jīng)看的頭暈眼花了，這要再多點，更受不了了，顯然，數(shù)據(jù)量稍微多一些，這種方式就不適合了。
2. 自定義列值排序
下面，我們學習一種更簡單，更直觀的方式。
這里的原理是把列轉(zhuǎn)換為類別型，通過指定類別排序，按列值排序。
sales['分公司'] = pd.Categorical(sales['分公司'], categories=[
'北京', '上海', '廣州', '深圳'], ordered=True)
sales.sort_values(by='分公司')
這樣很方便地就實現(xiàn)了按分公司排列，但并未實現(xiàn)門店列的排序，比如，廣州與深圳的二店排在了一店前面。
雖然，也可以把門店列改為類別型，但門店很多就不直觀了，因此，我們再引入一種方式。
同時，也請注意，類似這種分公司與門店名稱的排序，要在設(shè)計數(shù)據(jù)庫時提供分公司與門店代碼，在數(shù)據(jù)導出時也要導出相應代碼，代碼依據(jù)規(guī)律創(chuàng)建，在排序時就可以用上。
如果代碼規(guī)律與排序規(guī)律還是不一致，就只好自行維護一套自定義規(guī)律表了。
3. 利用輔助列實現(xiàn)自定義列值排序
首先，要導入自定義的分公司與門店代碼表。
這兩個表分別放在了自定義排序的 Excel 文件里，如果從數(shù)據(jù)庫導出的文件較大，推薦單獨放在一個 Excel 文件里，避免打開大文件效率低。
branch = pd.read_excel('data/自定義排序.xlsx','分公司代碼')
department = pd.read_excel('data/自定義排序.xlsx','門店代碼')
然后，把為分公司與門店匹配對應的代碼，這個操作，類似 Excel 的 vlookup()。
sales = pd.merge(sales, branch, on="分公司", how="left")
sales = pd.merge(sales, department, on="門店",how="left")
這里簡要說明一下 merge()，
sales 是 left ~ 左，因為 sales 放在左邊；
branch 或 department 是 right ~ 右，因為這兩個 df 放在了右邊，瞧，就是這么簡單；
on="分公司"，以兩個 df 的
分公司列為依據(jù)，進行合并；how="left"，如何 merge，以左邊的為主，還可以寫
right、outer、inner，分別表示按右邊的 df、兩個 df 的并集、兩個 df 的交集；
merge() 還有其它參數(shù)，這里先不多說，有興趣的朋友可以去看下 Pandas 官檔里關(guān)于 merge() 的說明。
現(xiàn)在，用 sort_values()，就可以實現(xiàn)自定義排序了。
sales.sort_values(['分公司代碼','門店代碼'],inplace=True)
看到了嗎？行序已經(jīng)按要求排好了。
4. 自定義列序
至此，列序還有些亂，嚴總看了，肯定又會批評不注意細節(jié)了，還要按以下順序重排列序：分公司代碼、分公司、門店代碼、門店、銷售額。
Pandas 的 sort_index() 可以實現(xiàn)按列名排序，但對中文不友好不說，還不支持自定義排序：
sales.sort_index(axis='columns',ascending=True)
從上面的列子可以看到，sort_index() 只支持按字母或數(shù)字排序，不支持自定義列排序，咱們還得想辦法。
其實很簡單！
sales = sales[['分公司代碼', '分公司', '門店代碼', '門店', '銷售額']]
至此，列序也排好了，但這就完了嗎？
如果這樣給嚴總，肯定還會挨批！
為什么呢？
大家看下 index， 也就是索引序號，是不是亂序的？另外，對嚴總來說，他并不關(guān)心這些代碼，這些只是冗余信息，影響他看數(shù)據(jù)的效率與效果，也應該去掉。
# 刪掉沒用的列
del sales['分公司代碼'], sales['門店代碼']
# 重置索引
sales.reset_index(drop=True,inplace=True)
這里說明一下 reset_index()：
drop=True，代表不保留原來的索引，如果是False，就會在生成的新 df 里保留原來的索引。inplace=True，代表直接在這個 df 里重置索引，無需生成新的 df。
到此為止，這個簡單的小表，已經(jīng)完工了。
龍少又學了幾招，終于在 10 點前把新的年度銷售表交給了嚴總，嚴總也沒再提出什么異議。龍少對呆鳥說：“這方法真是不錯，省了我大事啦，改天我請你吃飯！”，呆鳥云：“吃飯就免啦，多幫我把文章轉(zhuǎn)轉(zhuǎn)朋友圈，點點在看就好啦。另外，我接的廣告，也看一下，我的文章可都是費心寫的，也不收費，就靠廣告金主大佬施舍點午飯錢，要不我就白忙活啦。”
龍少說：“轉(zhuǎn)朋友圈，點在看，看廣告，都是舉手之勞，小事一樁！”
就在此時，嚴總的聲音也在空中回蕩：“轉(zhuǎn)朋友圈，點在看，看廣告，別讓呆鳥當白勞！”
龍少一看嚴總回公司了，趕緊來了句“嚴總，2020，新年快樂”，就速速溜了。
最后，再總結(jié)下：
數(shù)據(jù)量少，可以直接寫自定義列表，用
reindex()重排行序；單列，且列中唯一值少，適合改為類別型，用類別值排序；
多列，或列中唯一值較多，可以做輔助列自定義排序；
列排序，按列名寫個自定義列表就可以了。
希望大家有所收獲，感謝龍少、嚴總友情出演。
相關(guān)閱讀：