python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > python排序并标上序号

python如何实现排序,并标上序号

作者:Jepson2017

这篇文章主要介绍了python如何实现排序,并标上序号,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教

python排序并标上序号

需求:利用python实现排序功能

测试数据:data.csv

"id","date","amount"
"1","2019-02-08","6214.23"
"1","2019-02-08","6247.32"
"1","2019-02-09","85.63"
"2","2019-02-14","943.18"
"2","2019-02-15","369.76"
"2","2019-02-18","795.15"
"2","2019-02-19","715.65"
"2","2019-02-21","537.71"
"2","2019-02-24","1037.71"
"3","2019-02-09","967.36"
"3","2019-02-10","85.69"
"3","2019-02-12","769.85"
"3","2019-02-13","943.86"
"3","2019-02-19","843.86"
"3","2019-02-11","85.69"
"3","2019-02-14","843.86"
"1","2019-02-10","985.63"
"1","2019-02-09","285.63"
"1","2019-02-11","1285.63"

第一种常见排序: 将上面数据按照amount字段进行排序

import pandas as pd
filename="data.csv"
df=pd.read_csv(filename)
#增加一个rank排序字段
df['rank']=df['amount'].rank(ascending=0, method='first')

说明:ascending :1 表示升序,0表示降序

method:此参数的作用是,当遇到两个值相同时,排序处理的方式。可以取的值有 first、max、min、dense

(1)method =‘first’ 时

表示排序时,序号不会重复且是连续的,遇到相同的值时,会按照数据的先后顺序标序号,如下图:

df['rank']=df['amount'].rank(ascending=0, method='first')
print(df)

(2)method='min’时

表示排序时,遇到相同的值时,后面数的序号与最先出现的数的序号保持一致,如下图,843.86值重复两次,排名均为9,且排序中没有序号10(序号不连续)

df['rank']=df['amount'].rank(ascending=0, method='min')
print(df)

(3)method='max’时

表示排序时,遇到相同的值时,后面数的序号与最后出现的数的序号保持一致,如下图,843.86值重复两次,排名均为10,且排序中没有序号9(序号不连续)

df['rank']=df['amount'].rank(ascending=0, method='max')
print(df)

(4)method='dense’时

表示排序时,遇到相同的值时,重复值序号保持一致,如下图,843.86值重复两次,排名均为9,且下一个数序号为10,序号保持连续

df['rank']=df['amount'].rank(ascending=0, method='dense')
print(df)

第二种常见排序:组内排序 ,将上面数据根据id分组,并按照amount字段进行组内排序

df['rank']=df['amount'].groupby(df['id']).rank(ascending=0, method='dense')
#对结果按照id和rank进行升序排列
data=df.sort_values(by=['id','rank'],ascending=(1,1))

Python常见排序算法汇总

所谓排序,就是使一串记录,按照其中的某个或某些关键字的大小,递增或递减的排列起来的操作。排序算法,就是如何使得记录按照要求排列的方法。

排序的稳定性

经过某种排序后,如果两个记录序号同等,且两者在原无序记录中的先后秩序依然保持不变,则称所使用的排序方法是稳定的,反之是不稳定的。

内排序和外排序

通常讨论的都是内排序。

影响内排序算法性能的三个因素:

Python常用排序算法

以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。

您可能感兴趣的文章:
阅读全文