Изменить порядок только части кадра данных pandas

Контекст

У меня есть pandas-DataFrame со структурой, аналогичной таблице слева:

      + Category + Content + Layer                + Category + Content + Layer
Index |          |         |                Index |          |         |      
----------------------------------          ----------------------------------  
000001|   "A"    | "Dummy" |  0         ->  000001|   "A"    | "Dummy" |  0   
----------------------------------          ----------------------------------
000002|   "A"    | "Dummy" |  1         ->  000003|   "A"    | "Dummy" |  0   
----------------------------------          ----------------------------------
000003|   "A"    | "Dummy" |  0         ->  000002|   "A"    | "Dummy" |  1   
----------------------------------          ----------------------------------
000004|   "A"    | "Dummy" |  1         ->  000004|   "A"    | "Dummy" |  1    
----------------------------------          ----------------------------------
000005|   "B"    | "Dummy" |  2         =   000005|   "B"    | "Dummy" |  2   
----------------------------------          ----------------------------------
000006|   "B"    | "Dummy" |  0         =   000006|   "B"    | "Dummy" |  0   
----------------------------------          ----------------------------------
000007|   "B"    | "Dummy" |  4         =   000007|   "B"    | "Dummy" |  4   
----------------------------------          ----------------------------------

Чего я хочу добиться, так это изменить порядок фрейма данных, как показано справа.

Вопрос

Как показано в таблице справа, только часть фрейма данных должна быть переупорядочена — только элементы category == "A" должны быть упорядочены в порядке возрастания их layer. Все элементы category == "B" должны оставаться такими, какие они есть (это моя текущая проблема при работе с dataframe.sort_values() и т. д.).

Как я могу изменить порядок (отсортировать) только указанную часть фрейма данных, не затрагивая остальные?

python pandas sorting dataframe

29.05.2019 13:03

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете сделать это в два этапа:

Отфильтруйте строки по условию, например, создав логическое значение mask
Напрямую обращайтесь к базовым массивам numpy через .loc (чтобы предотвратить выравнивание значений индекса)

.loc: Access a group of rows and columns by label(s) or a boolean array. (Link to pandas-Documentation)

    #Boolean mask of the entire dataframe in order to identify relevant rows
    mask = df['Category'].eq('A')     #Anlog to mask = (df["Category"] == 'A')

    #pandas >= 0.24
    df.loc[mask] = df.loc[mask].sort_values('Layer').to_numpy()

    #pandas < 0.24
    df.loc[mask] = df.loc[mmask.sort_values('Layer').values

    #Result
    print (df)
           Category Content  Layer
    Index                         
    000001        A   Dummy      0
    000002        A   Dummy      0
    000003        A   Dummy      1
    000004        A   Dummy      1
    000005        B   Dummy      2
    000006        B   Dummy      0
    000007        B   Dummy      4

Спасибо за быстрый ответ, работает, когда я адаптирую его к своей проблеме :)

— 29.05.2019 13:21

29.05.2019 13:05