使用自定义键对 pandas 数据框浮动列进行排序

Question

我想先对 b 列上的以下 DataFrame 进行排序，然后对 a 列进行排序。

a	b
0	1.2
2	0.07076863960397785
1	0.07076863960397783
4	0.02

应使用 math.isclose() 函数来比较 b 列中的浮点数。因此，我编写了一个自定义比较函数并使用 functools 中的 cmp_to_key 函数。但是，在对数据框进行排序时，出现以下错误：

TypeError：“functools.KeyWrapper”类型的对象没有 len()

这是我的完整代码：

import pandas as pd
from functools import cmp_to_key
from math import isclose
import numpy as np

my_list = [
[0, 1.2],
[2, 0.07076863960397785],
[1, 0.07076863960397783],
[4, 0.02],
[3, 0.07076863960397784]
]

df = pd.DataFrame(my_list,columns=['a','b'])

def compare(a,b):
  if isclose(a,b):
    return 0
  elif a-b<0:
    return -1
  else:
    return 1

df.sort_values(by=['b','a'],key= cmp_to_key(compare))

现在，我知道 sort_values 中的键需要一个序列，因此键函数应该被向量化。但我不知道如何实现这一点。

这应该是最终结果：

a	b
4	0.02
1	0.07076863960397783
2	0.07076863960397785
0	1.2

Answer 1

您可以将

sort_values()

与

np.argsort()

一起使用：

import pandas as pd
import numpy as np
from math import isclose
from functools import cmp_to_key


def _sort(df):
    compare = lambda a, b: 0 if isclose(a, b) else (-1 if a < b else 1)
    inds = sorted(range(len(df)), key=cmp_to_key(lambda i, j: compare(df.at[i, 'b'], df.at[j, 'b'])))
    df = df.iloc[inds].reset_index(drop=True)
    df = df.sort_values(by=['b', 'a'], key=lambda col: np.argsort(col))
    return df


my_list = [
    [0, 1.2],
    [2, 0.07076863960397785],
    [1, 0.07076863960397783],
    [4, 0.02],
    [3, 0.07076863960397784]
]

df = pd.DataFrame(my_list, columns=['a', 'b'])

print(_sort(df))

打印

   a         b
0  4  0.020000
3  3  0.070769
1  2  0.070769
2  1  0.070769
4  0  1.200000