按NaN计数的降序对数据行进行排序
按NaN计数的降序对数据行进行排序
提问于 2017-08-27 22:10:22
我试图对下面的Pandas DataFrame进行排序：
RHS age height shoe_size weight
0 weight NaN 0.0 0.0 1.0
1 shoe_size NaN 0.0 1.0 NaN
2 shoe_size 3.0 0.0 0.0 NaN
3 weight 3.0 0.0 0.0 1.0
4 age 3.0 0.0 0.0 1.0这样，具有更多NaNs列的行首先被定位。更准确地说，在上面的df中，索引1(2个Nans)的行应该在索引0 (1 NaN)的那一行之前。
我现在要做的是：
df.sort_values(by=['age', 'height', 'shoe_size', 'weight'], na_position="first")回答 4
Stack Overflow用户
回答已采纳
发布于 2017-08-27 22:21:03
使用基于df.sort_values和loc的访问。
df = df.iloc[df.isnull().sum(1).sort_values(ascending=0).index]
print(df)
RHS age height shoe_size weight
1 shoe_size NaN 0.0 1.0 NaN
2 shoe_size 3.0 0.0 0.0 NaN
0 weight NaN 0.0 0.0 1.0
4 age 3.0 0.0 0.0 1.0
3 weight 3.0 0.0 0.0 1.0df.isnull().sum(1)对NaN进行计数，并根据这个排序计数访问行。
@ayhan为上述解决方案提供了一个nice little improvement，涉及到pd.Series.argsort
df = df.iloc[df.isnull().sum(axis=1).mul(-1).argsort()]
print(df)
RHS age height shoe_size weight
1 shoe_size NaN 0.0 1.0 NaN
0 weight NaN 0.0 0.0 1.0
2 shoe_size 3.0 0.0 0.0 NaN
3 weight 3.0 0.0 0.0 1.0
4 age 3.0 0.0 0.0 1.0 Stack Overflow用户
发布于 2019-03-29 09:47:08
df.isnull().sum().sort_values(ascending=False)Stack Overflow用户
发布于 2017-08-27 22:18:22
下面是一条能做到这一点的单线线：
df.assign(Count_NA = lambda x: x.isnull().sum(axis=1)).sort_values('Count_NA', ascending=False).drop('Count_NA', axis=1)
# RHS age height shoe_size weight
# 1 shoe_size NaN 0.0 1.0 NaN
# 0 weight NaN 0.0 0.0 1.0
# 2 shoe_size 3.0 0.0 0.0 NaN
# 3 weight 3.0 0.0 0.0 1.0
# 4 age 3.0 0.0 0.0 1.0这是通过分配一个临时列("Count_NA")来计算每行中的NAs，对该列进行排序，然后删除它，所有这些都在同一个表达式中完成。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/45909776
复制相关文章
相似问题
腾讯云开发者
