如果我制作如下数据框:
In [128]: test = pd.DataFrame({'a':[1,4,2,7,3,6], 'b':[2,2,2,1,1,1], 'c':[2,6,np.NaN, np.NaN, 1, np.NaN]})
In [129]: test
Out[129]:
a b c
0 1 2 2
1 4 2 6
2 2 2 NaN
3 7 1 NaN
4 3 1 1
5 6 1 NaN
基本排序按预期执行。对 c 列进行排序会适本地分离 nan 值。对列 a 和 b 进行多级排序,按预期对它们进行排序:
In [133]: test.sort(columns='c', ascending=False)
Out[133]:
a b c
5 6 1 NaN
3 7 1 NaN
2 2 2 NaN
1 4 2 6
0 1 2 2
4 3 1 1
In [134]: test.sort(columns=['b', 'a'], ascending=False)
Out[134]:
a b c
1 4 2 6
2 2 2 NaN
0 1 2 2
3 7 1 NaN
5 6 1 NaN
4 3 1 1
但是对 b 列和 c 列进行多级排序并没有给出预期的结果:
In [135]: test.sort(columns=['b', 'c'], ascending=False)
Out[135]:
a b c
1 4 2 6
0 1 2 2
2 2 2 NaN
3 7 1 NaN
4 3 1 1
5 6 1 NaN
事实上,即使仅在 c 列上排序但使用多级排序命名法也会失败:
In [136]: test.sort(columns=['c'], ascending=False)
Out[136]:
a b c
1 4 2 6
0 1 2 2
2 2 2 NaN
3 7 1 NaN
4 3 1 1
5 6 1 NaN
我认为这应该给出与上面第 133 行完全相同的结果。这是 Pandas 错误还是我没有得到什么? (仅供引用,pandas v0.11.0、numpy v1.7.1、python 2.7.2.5 32 位 Windows 7)
请您参考如下方法:
这是一个有趣的极端案例。请注意,即使是 vanilla python 也不会得到这个“正确”:
>>> nan = float('nan')
>>> a = [ 6, 2, nan, nan, 1, nan]
>>> sorted(a)
[2, 6, nan, nan, 1, nan]
这里的原因是因为 NaN 既不大于也不小于其他元素——所以没有定义严格的顺序。正因为如此,python 让它们单独存在。
>>> nan > 6
False
>>> nan < 6
False
Pandas 必须在单列情况下进行显式检查——可能使用 np.argsort 或 np.sort 从 numpy 1.4 开始,np. sort 将 NaN 值放在末尾。
