[Pandas] 값 혹은 인덱스를 기준으로 데이터프레임 정렬

---

값을 기준으로 데이터프레임 정렬

 

• sort_values 메소드

sort_values(참고링크)를 이용하여 데이터프레임의 값을 기준으로 정렬할 수 있다. 기본적으로 sort_values는 정렬한 리스트를 반환한다.

예시로는 seaborn의 mpg 데이터셋을 이용하겠다.

import seaborn as sns
import pandas as pd

df = sns.load_dataset("mpg")

mpg 데이터셋을 head로 불러와 확인해보면 아래와 같이 생겼다.

    mpg  cylinders  displacement  horsepower  weight  acceleration  \
0  18.0          8         307.0       130.0    3504          12.0   
1  15.0          8         350.0       165.0    3693          11.5   
2  18.0          8         318.0       150.0    3436          11.0   
3  16.0          8         304.0       150.0    3433          12.0   
4  17.0          8         302.0       140.0    3449          10.5   

   model_year origin                       name  
0          70    usa  chevrolet chevelle malibu  
1          70    usa          buick skylark 320  
2          70    usa         plymouth satellite  
3          70    usa              amc rebel sst  
4          70    usa                ford torino

 

• 매개변수

by는 정렬 기준이 될 열의 이름을 받는다. 만약 기준이 여러개라면, 예를 들어서 cylinders를 기준으로 정렬하고, cylinders가 같은 경우 horsepower를 기준으로 정렬하고 싶다면, 리스트 형태로 넣어주면 된다.

axis는 열이 아니라 행을 기준으로 정렬하고 싶은 경우 1로 설정하여 사용하는데, 대부분 경우 열을 기준으로 잡기 때문에 잘 사용하지 않는다.

ascending은 기본적으로 True로 설정되어 있다. 만약 내림차순으로 정렬하고 싶다면 False로 변경하면 된다. 앞서 by를 통해 기준을 여러가지로 잡은 경우 각 기준에 따라 리스트를 만들어 설정해줄 수도 있다.

na_position은 기본적으로 "last"로 되어 있는데, 이는 결측값을 앞에 놓을지, 뒤에 놓을지에 관한 것으로 "first"로 설정하여 앞에 놓을 수도 있다.

kind를 통해 정렬 방식을 선택할 수 있다. 기본적으로는 퀵정렬(참고링크)로 되어 있는데, 퀵정렬이 정렬된 상태에 데이터에서 정렬이 느린 특징이 있기 때문에 다른 정렬을 선택할 수도 있다. 자세한 내용은 위 sort_values 레퍼런스를 참고하면 된다.

ignore_index를 통해 정렬 후 인덱스를 바꿔줄 수 있다. 기본적으로 False로 되어 있는데, 이 경우 행들은 정렬 후에도 원래의 인덱스를 가진다. 만약 인덱스를 다시 정렬하고 싶다면 이를 True로 바꿔주면 된다.

inplace를 통해 원본 객체 수정 여부를 선택할 수 있다. 기본은 False이고, 때문에 정렬된 데이터프레임을 반환할 뿐 원본 데이터는 변형하지 않지만, True로 바꾼다면 원본 데이터를 정렬한다. 참고로 True인 경우 정렬된 데이터를 반환하지 않으니 주의해야 한다.

key를 통해 정렬 기준에 대한 함수를 설정할 수도 있다. 보통 lamda를 활용하여 넣는다.

 

• 예시

예를 들어 mpg 데이터셋을 cylinders를 기준으로 정렬해보겠다. 이때 내림차순으로, 결측값을 맨 앞으로, 정렬 방식은 합병정렬로 설정하겠다.

df_sorted = df.sort_values(by="cylinders", ascending=False, kind="mergesort", na_position="first")

이제 정렬된 데이터인 df_sorted를 프린트해보면 다음과 같다.

      mpg  cylinders  displacement  horsepower  weight  acceleration  \
0    18.0          8         307.0       130.0    3504          12.0   
1    15.0          8         350.0       165.0    3693          11.5   
2    18.0          8         318.0       150.0    3436          11.0   
3    16.0          8         304.0       150.0    3433          12.0   
4    17.0          8         302.0       140.0    3449          10.5   
..    ...        ...           ...         ...     ...           ...   
397  31.0          4         119.0        82.0    2720          19.4   
71   19.0          3          70.0        97.0    2330          13.5   
111  18.0          3          70.0        90.0    2124          13.5   
243  21.5          3          80.0       110.0    2720          13.5   
334  23.7          3          70.0       100.0    2420          12.5   

     model_year origin                       name  
0            70    usa  chevrolet chevelle malibu  
1            70    usa          buick skylark 320  
2            70    usa         plymouth satellite  
3            70    usa              amc rebel sst  
4            70    usa                ford torino  
..          ...    ...                        ...  
397          82    usa                 chevy s-10  
71           72  japan            mazda rx2 coupe  
111          73  japan                  maxda rx3  
243          77  japan                 mazda rx-4  
334          80  japan              mazda rx-7 gs  

[398 rows x 9 columns]

확인해보면 cylinders가 내림차순으로 정렬되었고, 결측치는 확인되지 않는다. 이때 df를 확인한다면 원래와 같은 것을 알 수 있다.

다시 이번에는 mpg 데이터셋을 1차적으로 cylinders를 기준으로 오름차순으로, 2차적으로 horsepower를 기준으로 내림차순으로 정렬하고, 결측치는 앞으로, 정렬 방식은 힙정렬, 인덱스로 바꾸고, 원본 데이터를 변형하겠다.

df.sort_values(by=["cylinders", "horsepower"], ascending=[True, False], kind="heapsort", na_position="first", ignore_index=True, inplace=True)

이제 df를 프린트해보면 다음과 같다.

      mpg  cylinders  displacement  horsepower  weight  acceleration  \
0    21.5          3          80.0       110.0    2720          13.5   
1    23.7          3          70.0       100.0    2420          12.5   
2    19.0          3          70.0        97.0    2330          13.5   
3    18.0          3          70.0        90.0    2124          13.5   
4    25.0          4          98.0         NaN    2046          19.0   
..    ...        ...           ...         ...     ...           ...   
393  20.0          8         262.0       110.0    3221          13.5   
394  17.0          8         260.0       110.0    4060          19.0   
395  19.9          8         260.0       110.0    3365          15.5   
396  26.6          8         350.0       105.0    3725          19.0   
397  23.9          8         260.0        90.0    3420          22.2   

     model_year origin                               name  
0            77  japan                         mazda rx-4  
1            80  japan                      mazda rx-7 gs  
2            72  japan                    mazda rx2 coupe  
3            73  japan                          maxda rx3  
4            71    usa                         ford pinto  
..          ...    ...                                ...  
393          75    usa                chevrolet monza 2+2  
394          77    usa         oldsmobile cutlass supreme  
395          78    usa  oldsmobile cutlass salon brougham  
396          81    usa              oldsmobile cutlass ls  
397          79    usa  oldsmobile cutlass salon brougham  

[398 rows x 9 columns]

기대한 바와 같이 cylinders를 기준으로 오름차순으로 정렬되었고, cylinders가 같은 경우 horsepower를 기준으로 내림차순으로 정렬되었다. 인덱스 역시 새롭게 0부터 시작하여 설정되었고, 4번 행을 보니 NaN이 있는 걸로 보아 결측값이 가장 앞으로 배치되었다.

 

---

인덱스를 기준으로 데이터프레임 정렬

 

• sort_index 메소드

sort_index(참고링크)를 이용하여 데이터프레임의 인덱스를 기준으로 정렬할 수 있다. sort_values와 마찬가지로 기본적으로 정렬된 데이터를 반환한다.

여러가지 매개변수가 존재한다. axis, ascending, inplacse, kind, na_position, ignore_index, key는 앞서 sort_valuse와 같으니 앞선 내용을 참고하면 된다.

level과 sort_remaining은 다중 인덱스(MultiIndex)인 경우에 사용하는 매개변수로 일반적으로는 잘 사용하지 않는다.

주로 인덱스를 기준으로하는 정렬을 사용하는 이유는 데이터를 원본으로 돌리거나, 인덱스로 단순히 0, 1, ..., n이 들어가는 것이 아니라 인덱스로도 중요한 값, 예를 들어서 날짜, 시간 등의 데이터가 들어간 경우에 정렬할 때 사용한다.

 

• 예시

mpg 데이터셋을 df 변수에 저장하고, cylinders를 기준으로 원본을 정렬한다.

df.sort_values(by="cylinders", inplace=True)

그렇다면 df는 다음과 같다.

      mpg  cylinders  displacement  horsepower  weight  acceleration  \
111  18.0          3          70.0        90.0    2124          13.5   
71   19.0          3          70.0        97.0    2330          13.5   
334  23.7          3          70.0       100.0    2420          12.5   
243  21.5          3          80.0       110.0    2720          13.5   
267  27.5          4         134.0        95.0    2560          14.2   
..    ...        ...           ...         ...     ...           ...   
86   14.0          8         304.0       150.0    3672          11.5   
285  17.0          8         305.0       130.0    3840          15.4   
286  17.6          8         302.0       129.0    3725          13.4   
92   13.0          8         351.0       158.0    4363          13.0   
0    18.0          8         307.0       130.0    3504          12.0   

     model_year origin                       name  
111          73  japan                  maxda rx3  
71           72  japan            mazda rx2 coupe  
334          80  japan              mazda rx-7 gs  
243          77  japan                 mazda rx-4  
267          78  japan              toyota corona  
..          ...    ...                        ...  
86           73    usa                amc matador  
285          79    usa  chevrolet caprice classic  
286          79    usa            ford ltd landau  
92           73    usa                   ford ltd  
0            70    usa  chevrolet chevelle malibu  

[398 rows x 9 columns]

인덱스가 바뀌었다. 이때 다시 인덱스를 기준으로 정렬해주자.

df.sort_index(inplace=True)

그렇다면 df는 다음과 같다.

      mpg  cylinders  displacement  horsepower  weight  acceleration  \
0    18.0          8         307.0       130.0    3504          12.0   
1    15.0          8         350.0       165.0    3693          11.5   
2    18.0          8         318.0       150.0    3436          11.0   
3    16.0          8         304.0       150.0    3433          12.0   
4    17.0          8         302.0       140.0    3449          10.5   
..    ...        ...           ...         ...     ...           ...   
393  27.0          4         140.0        86.0    2790          15.6   
394  44.0          4          97.0        52.0    2130          24.6   
395  32.0          4         135.0        84.0    2295          11.6   
396  28.0          4         120.0        79.0    2625          18.6   
397  31.0          4         119.0        82.0    2720          19.4   

     model_year  origin                       name  
0            70     usa  chevrolet chevelle malibu  
1            70     usa          buick skylark 320  
2            70     usa         plymouth satellite  
3            70     usa              amc rebel sst  
4            70     usa                ford torino  
..          ...     ...                        ...  
393          82     usa            ford mustang gl  
394          82  europe                  vw pickup  
395          82     usa              dodge rampage  
396          82     usa                ford ranger  
397          82     usa                 chevy s-10  

[398 rows x 9 columns]

원래의 데이터셋으로 돌아온 것을 확인할 수 있다.