Python,Numpy,Pandas…数据科学家必备排序技巧

通过df.sort_values(by = my_column)对Pandas DataFrame进行排序。有许多可用关键字参数。

• by：str或str of list，required—要排序的名称或名称列表。如果axis为0或index，那by可能会有索引级别和/或列标签。如果axis为1或columns，则by可能含级别和/或索引标签。
• axis：{0或index，1或columns}，默认为0—排序轴。
• ascending：bool或bool列表，默认为True—按升序与降序排序。指定多个排序顺序的列表。如果是bool列表，就必须与by参数长度匹配。
• inplace：bool，默认为False—如果为True，则直接对其执行操作。
• kind：{quicksort，mergesort，heapsort或stable}，默认快速排序—选择排序算法。可另参见ndarray.np.sort了解更多内容。对于DataFrames，此法仅应用于单列或单标签的排序。
• na_position：{‘first’，‘last’}，默认‘last’ - 首先以NaNs作为开头，最后将NaNs作为结尾。

按照相同的句法对Pandas系列进行排序。用Series时，不需要输入by关键字，因为列不多。

Pandas用到了Numpy计算法，动动手指即可轻松获得同等优化的排序选项。但是，Pandas操作需要更多的时间。

按单列排序时的默认设置是Numpy的quicksort。如果排序进度很慢，那么实际为内省排序的quicksort会变为堆排序。Pandas确保多列排序使用Numpy的mergesort。Numpy中的mergesort实际用的是Timsort和Radix排序算法。这些排序算法都很稳定，而且多数列排序中稳定排序是很有必要的。

使用Pandas需记住的关键内容：

• 函数名称：sort_values()。
• by= column_name或列名列表。
• “ ascending”是逆转的关键字。
• 用mergesort进行稳定排序。

在进行探索性数据分析时，常发现自己是用Series.value_counts()在Pandas DataFrame中对值进行求和排序的。这是一个代码片段，用于每列常用值的求和和排序。

for c in df.columns:  
print(f"---- {c} ---")  
print(df[c].value_counts().head()) 

Dask，实际上是用于大数据的Pandas，到2019年中期还没有实现并行排序，尽管大家一直在讨论这个。

对小数据集进行探索性数据分析，Pandas排序是个不错的选择。当数据很大，想要在GPU上并行搜索时，你也许会想到TensorFlow或PyTorch。

TensorFlow

TensorFlow是最受欢迎的深度学习框架。以下是TensorFlow 2.0的简介。

tf.sort(my_tensor)返回tensor排序副本。可选参数有：

• axis：{int，optional}待排序轴。默认值为-1，对最后一个轴进行排序。
• direction：{ascending or descending}—数值排序的方向。
• name：{str，optional}—操作的名称。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!