【Pandas DataFrame】並び替え(ソート) [sort_index, sort_values]

　※ 本記事は広告・プロモーションを含みます。
Pandas

たっきん(Twitter)です！

今回は、DataFrameのデータの並び替え（ソート）方法について説明していきます。

DataFrameを扱っているとソートする機会も結構多いため、データのソート方法についてもここでしっかりと押さえておきましょう！

データをソートするにはsort_index(), sort_values()の２つのメソッド（関数）が用意されており、用途によって使い分けます。

メソッド（関数）用途
sort_index()行ラベル（インデックス）のソート
sort_values()列データのソート

以降は次のDataFrameを使ってソート操作を説明していきます。

import pandas as pd

data = [
    [104, "ccc", 179.2, 61.6],
    [105, "aaa", 198.6, 54.8],
    [102, "eee", 158.1, 58.0],
    [101, "bbb", 179.3, 60.4],
    [103, "ddd", 167.9, 73.9],
]

df = pd.DataFrame(data, columns=["id", "name", "height", "weight"])
df.set_index("id", inplace=True)
print(df)
"""
    name  height  weight
id                      
104  ccc   179.2    61.6
105  aaa   198.6    54.8
102  eee   158.1    58.0
101  bbb   179.3    60.4
103  ddd   167.9    73.9
"""
Pandasに関する記事を多数書いてます

Pandas記事全容（目次）になります。
Pandasについて、他に困りごとある場合はこちらで答えが見つかるかもしれませんので、よかったら参考にしてみてください。

【Pandas】記事全容
自称Pandasマスターのたっきん(Twitter)です！僕が自作している自動売買システム（システムトレード）では大量のローソク足データ(OHLC)を解析するのに「Pandas」ライブラリを使用しています。「Pandas」はデータ解析機能を...
takilog.com
2023.09.12
pandasデータ処理ドリル Pythonによるデータサイエンスの腕試し
created by Rinker

行ラベルのソート :sort_index()

行ラベル（インデックス）をソートする場合はsort_index()を使用します。

昇順でソートするか、降順でソートするかは引数ascendingで指定します。

  • 昇順にソート　→　ascending=True
  • 降順にソート　→　ascending=False

引数ascendingはデフォルトでTrueなので、引数でascendingを指定しない場合は昇順でソートされます。

また、ソート後のデータは返り値として受け取ります。（このとき、元データは変更されません）

# 元データの確認
print(df)
"""
    name  height  weight
id                      
104  ccc   179.2    61.6
105  aaa   198.6    54.8
102  eee   158.1    58.0
101  bbb   179.3    60.4
103  ddd   167.9    73.9
"""

# 昇順にソートする
df_asc = df.sort_index(ascending=True)
# df_asc = df.sort_index() と記述してもOK.
print(df_asc)
"""
昇順ソート
 ↓
    name  height  weight
id                      
101  bbb   179.3    60.4
102  eee   158.1    58.0
103  ddd   167.9    73.9
104  ccc   179.2    61.6
105  aaa   198.6    54.8
"""

# 元データの確認（元データは変更されてない）
print(df)
"""
    name  height  weight
id                      
104  ccc   179.2    61.6
105  aaa   198.6    54.8
102  eee   158.1    58.0
101  bbb   179.3    60.4
103  ddd   167.9    73.9
"""

# 降順にソートする
df_des = df.sort_index(ascending=False)
print(df_des)
"""
降順ソート
 ↓
    name  height  weight
id                      
105  aaa   198.6    54.8
104  ccc   179.2    61.6
103  ddd   167.9    73.9
102  eee   158.1    58.0
101  bbb   179.3    60.4
"""

変更後のデータを返り値で受け取るのではなく、元データ自身を変更したい場合があります。

この場合は引数にinplace=Trueを指定します。

inplace=Trueが指定された場合、返り値が返されなくなり、元データが変更されます。

# 元データの確認
print(df)
"""
    name  height  weight
id                      
104  ccc   179.2    61.6
105  aaa   198.6    54.8
102  eee   158.1    58.0
101  bbb   179.3    60.4
103  ddd   167.9    73.9
"""

# 昇順にソートする（元データを変更）
df.sort_index(ascending=True, inplace=True)

# 元データの確認
print(df)
"""
昇順ソート
 ↓
    name  height  weight
id                      
101  bbb   179.3    60.4
102  eee   158.1    58.0
103  ddd   167.9    73.9
104  ccc   179.2    61.6
105  aaa   198.6    54.8
"""

列データのソート :sort_values()

列データをソートする場合はsort_values()を使用します。

ソートしたい列は第１引数に「ラベル名」で指定します。

昇順、降順でソートするかは引数ascending、元データを変更するか否かは引数inplaceで指定するのですが、指定方法はsort_index()と同じになるので、詳細はsort_index()の章を参照してください。

# 元データの確認
print(df)
"""
    name  height  weight
id                      
104  ccc   179.2    61.6
105  aaa   198.6    54.8
102  eee   158.1    58.0
101  bbb   179.3    60.4
103  ddd   167.9    73.9
"""

# 列ラベル"name"を昇順にソートする
df_name_asc = df.sort_values("name", ascending=True)
# df_name_asc = df.sort_values("name") と記述してもOK.
print(df_name_asc)
"""
   昇順ソート
      ↓
    name  height  weight
id                      
105  aaa   198.6    54.8
101  bbb   179.3    60.4
104  ccc   179.2    61.6
103  ddd   167.9    73.9
102  eee   158.1    58.0
"""

# 元データの確認（元データは変更されてない）
print(df)
"""
    name  height  weight
id                      
104  ccc   179.2    61.6
105  aaa   198.6    54.8
102  eee   158.1    58.0
101  bbb   179.3    60.4
103  ddd   167.9    73.9
"""

# 列ラベル"weight"を降順にソートする
df_weight_des = df.sort_values("weight", ascending=False)
print(df_weight_des)
"""
                  降順ソート
                     ↓
    name  height  weight
id                      
103  ddd   167.9    73.9
104  ccc   179.2    61.6
101  bbb   179.3    60.4
102  eee   158.1    58.0
105  aaa   198.6    54.8
"""

inplace=True指定で元データを変更する場合のコードです。

# 元データの確認
print(df)
"""
    name  height  weight
id                      
104  ccc   179.2    61.6
105  aaa   198.6    54.8
102  eee   158.1    58.0
101  bbb   179.3    60.4
103  ddd   167.9    73.9
"""

# 昇順にソートする（元データを変更）
df.sort_values("name", ascending=True, inplace=True)

# 元データの確認
print(df)
"""
   昇順ソート
      ↓
    name  height  weight
id                      
105  aaa   198.6    54.8
101  bbb   179.3    60.4
104  ccc   179.2    61.6
103  ddd   167.9    73.9
102  eee   158.1    58.0
"""

【注意】日付データのソート

ソート対象は数値や文字列だけでなく、日付をソートしたい場合がありますが、その場合は少し注意が必要です。

日付をソートする場合、日付を文字列型で設定していると、正しくソートされません。

以下のコードは日付を文字列で定義し、DataFrameの行ラベル（インデックス）に設定後、sort_index()で日付を昇順ソートした結果になります。

import pandas as pd

ohlc_data = [
    # 日付を文字列型で定義
    #    ↓
    ["2020/4/6", 108.799, 119.109, 98.514, 108.854],
    ["2020/4/17", 107.806, 118.053, 97.354, 107.663],
    ["2020/4/2", 107.191, 118.104, 97.028, 107.922],
    ["2020/4/12", 107.488, 118.092, 97.172, 107.935],
    ["2020/4/22", 106.750, 117.506, 96.414, 107.249],
    ["2020/4/1", 107.607, 117.952, 96.929, 107.191],
    ["2020/4/19", 107.624, 117.650, 97.000, 107.278],
    ["2020/4/10", 107.803, 117.811, 96.990, 107.235],
    ["2020/4/15", 107.682, 117.904, 97.289, 107.782],
    ["2020/4/3", 107.922, 118.688, 97.811, 108.578],
    ["2020/4/7", 108.854, 119.071, 98.218, 108.545],
    ["2020/4/11", 107.235, 117.911, 96.934, 107.488],
    ["2020/4/23", 107.242, 117.414, 96.614, 106.966],
    ["2020/4/20", 107.251, 117.347, 96.567, 106.880],
    ["2020/4/16", 107.838, 117.950, 97.523, 107.758],
    ["2020/4/4", 108.432, 119.393, 98.403, 109.252],
    ["2020/4/18", 107.640, 117.769, 97.380, 107.553],
    ["2020/4/9", 108.453, 118.569, 97.510, 107.803],
    ["2020/4/21", 106.884, 116.925, 96.367, 106.757],
    ["2020/4/5", 109.252, 119.294, 98.680, 108.799],
    ["2020/4/14", 107.589, 117.958, 97.517, 107.638],
    ["2020/4/13", 107.935, 118.111, 97.309, 107.598],
    ["2020/4/8", 108.545, 118.615, 98.341, 108.515],
]

df = pd.DataFrame(ohlc_data, columns=["datetime", "open", "high", "low", "close"])

# 日付を行ラベル（インデックス）に設定
df.set_index("datetime", inplace=True)

# DataFrameの確認
print(df)
"""
              open     high     low    close
datetime                                    
2020/4/6   108.799  119.109  98.514  108.854
2020/4/17  107.806  118.053  97.354  107.663
2020/4/2   107.191  118.104  97.028  107.922
2020/4/12  107.488  118.092  97.172  107.935
2020/4/22  106.750  117.506  96.414  107.249
2020/4/1   107.607  117.952  96.929  107.191
2020/4/19  107.624  117.650  97.000  107.278
2020/4/10  107.803  117.811  96.990  107.235
2020/4/15  107.682  117.904  97.289  107.782
2020/4/3   107.922  118.688  97.811  108.578
2020/4/7   108.854  119.071  98.218  108.545
2020/4/11  107.235  117.911  96.934  107.488
2020/4/23  107.242  117.414  96.614  106.966
2020/4/20  107.251  117.347  96.567  106.880
2020/4/16  107.838  117.950  97.523  107.758
2020/4/4   108.432  119.393  98.403  109.252
2020/4/18  107.640  117.769  97.380  107.553
2020/4/9   108.453  118.569  97.510  107.803
2020/4/21  106.884  116.925  96.367  106.757
2020/4/5   109.252  119.294  98.680  108.799
2020/4/14  107.589  117.958  97.517  107.638
2020/4/13  107.935  118.111  97.309  107.598
"""

# 日付のデータ型の確認
print(df.index[0])
"""
2020/4/6
"""
print(type(df.index[0]))
"""
<class 'str'>
"""

# 日付で昇順ソート
df_asc = df.sort_index(ascending=True)
print(df_asc)
"""
昇順ソート（文字列型だと正しくソートされない）
   ↓
              open     high     low    close
datetime                                    
2020/4/1   107.607  117.952  96.929  107.191
2020/4/10  107.803  117.811  96.990  107.235
2020/4/11  107.235  117.911  96.934  107.488
2020/4/12  107.488  118.092  97.172  107.935
2020/4/13  107.935  118.111  97.309  107.598
2020/4/14  107.589  117.958  97.517  107.638
2020/4/15  107.682  117.904  97.289  107.782
2020/4/16  107.838  117.950  97.523  107.758
2020/4/17  107.806  118.053  97.354  107.663
2020/4/18  107.640  117.769  97.380  107.553
2020/4/19  107.624  117.650  97.000  107.278
2020/4/2   107.191  118.104  97.028  107.922
2020/4/20  107.251  117.347  96.567  106.880
2020/4/21  106.884  116.925  96.367  106.757
2020/4/22  106.750  117.506  96.414  107.249
2020/4/23  107.242  117.414  96.614  106.966
2020/4/3   107.922  118.688  97.811  108.578
2020/4/4   108.432  119.393  98.403  109.252
2020/4/5   109.252  119.294  98.680  108.799
2020/4/6   108.799  119.109  98.514  108.854
2020/4/7   108.854  119.071  98.218  108.545
2020/4/8   108.545  118.615  98.341  108.515
2020/4/9   108.453  118.569  97.510  107.803
"""

日付を正しくソートするには日付データをdatetime型で設定しましょう！

以下、datetime型で日付を定義し、同じように昇順ソートした結果になります。

import pandas as pd
import datetime as dt

ohlc_data = [
    # 日付をdatetime型で定義
    #    ↓
    [dt.date(2020, 4, 6), 108.799, 119.109, 98.514, 108.854],
    [dt.date(2020, 4, 17), 107.806, 118.053, 97.354, 107.663],
    [dt.date(2020, 4, 2), 107.191, 118.104, 97.028, 107.922],
    [dt.date(2020, 4, 12), 107.488, 118.092, 97.172, 107.935],
    [dt.date(2020, 4, 22), 106.750, 117.506, 96.414, 107.249],
    [dt.date(2020, 4, 1), 107.607, 117.952, 96.929, 107.191],
    [dt.date(2020, 4, 19), 107.624, 117.650, 97.000, 107.278],
    [dt.date(2020, 4, 10), 107.803, 117.811, 96.990, 107.235],
    [dt.date(2020, 4, 15), 107.682, 117.904, 97.289, 107.782],
    [dt.date(2020, 4, 3), 107.922, 118.688, 97.811, 108.578],
    [dt.date(2020, 4, 7), 108.854, 119.071, 98.218, 108.545],
    [dt.date(2020, 4, 11), 107.235, 117.911, 96.934, 107.488],
    [dt.date(2020, 4, 23), 107.242, 117.414, 96.614, 106.966],
    [dt.date(2020, 4, 20), 107.251, 117.347, 96.567, 106.880],
    [dt.date(2020, 4, 16), 107.838, 117.950, 97.523, 107.758],
    [dt.date(2020, 4, 4), 108.432, 119.393, 98.403, 109.252],
    [dt.date(2020, 4, 18), 107.640, 117.769, 97.380, 107.553],
    [dt.date(2020, 4, 9), 108.453, 118.569, 97.510, 107.803],
    [dt.date(2020, 4, 21), 106.884, 116.925, 96.367, 106.757],
    [dt.date(2020, 4, 5), 109.252, 119.294, 98.680, 108.799],
    [dt.date(2020, 4, 14), 107.589, 117.958, 97.517, 107.638],
    [dt.date(2020, 4, 13), 107.935, 118.111, 97.309, 107.598],
    [dt.date(2020, 4, 8), 108.545, 118.615, 98.341, 108.515],
]

df = pd.DataFrame(ohlc_data, columns=["datetime", "open", "high", "low", "close"])

# 日付を行ラベル（インデックス）に設定
df.set_index("datetime", inplace=True)

# DataFrameの確認
print(df)
"""
               open     high     low    close
datetime                                     
2020-04-06  108.799  119.109  98.514  108.854
2020-04-17  107.806  118.053  97.354  107.663
2020-04-02  107.191  118.104  97.028  107.922
2020-04-12  107.488  118.092  97.172  107.935
2020-04-22  106.750  117.506  96.414  107.249
2020-04-01  107.607  117.952  96.929  107.191
2020-04-19  107.624  117.650  97.000  107.278
2020-04-10  107.803  117.811  96.990  107.235
2020-04-15  107.682  117.904  97.289  107.782
2020-04-03  107.922  118.688  97.811  108.578
2020-04-07  108.854  119.071  98.218  108.545
2020-04-11  107.235  117.911  96.934  107.488
2020-04-23  107.242  117.414  96.614  106.966
2020-04-20  107.251  117.347  96.567  106.880
2020-04-16  107.838  117.950  97.523  107.758
2020-04-04  108.432  119.393  98.403  109.252
2020-04-18  107.640  117.769  97.380  107.553
2020-04-09  108.453  118.569  97.510  107.803
2020-04-21  106.884  116.925  96.367  106.757
2020-04-05  109.252  119.294  98.680  108.799
2020-04-14  107.589  117.958  97.517  107.638
2020-04-13  107.935  118.111  97.309  107.598
2020-04-08  108.545  118.615  98.341  108.515
"""

# 日付のデータ型の確認
print(df.index[0])
"""
2020-04-06
"""
print(type(df.index[0]))
"""
<class 'datetime.date'>
"""

# 日付で昇順ソート
df_asc = df.sort_index(ascending=True)
print(df_asc)
"""
昇順ソート（datetime型だと正しくソートされる）
   ↓
               open     high     low    close
datetime                                     
2020-04-01  107.607  117.952  96.929  107.191
2020-04-02  107.191  118.104  97.028  107.922
2020-04-03  107.922  118.688  97.811  108.578
2020-04-04  108.432  119.393  98.403  109.252
2020-04-05  109.252  119.294  98.680  108.799
2020-04-06  108.799  119.109  98.514  108.854
2020-04-07  108.854  119.071  98.218  108.545
2020-04-08  108.545  118.615  98.341  108.515
2020-04-09  108.453  118.569  97.510  107.803
2020-04-10  107.803  117.811  96.990  107.235
2020-04-11  107.235  117.911  96.934  107.488
2020-04-12  107.488  118.092  97.172  107.935
2020-04-13  107.935  118.111  97.309  107.598
2020-04-14  107.589  117.958  97.517  107.638
2020-04-15  107.682  117.904  97.289  107.782
2020-04-16  107.838  117.950  97.523  107.758
2020-04-17  107.806  118.053  97.354  107.663
2020-04-18  107.640  117.769  97.380  107.553
2020-04-19  107.624  117.650  97.000  107.278
2020-04-20  107.251  117.347  96.567  106.880
2020-04-21  106.884  116.925  96.367  106.757
2020-04-22  106.750  117.506  96.414  107.249
2020-04-23  107.242  117.414  96.614  106.966
"""

参考

pandasデータ処理ドリル Pythonによるデータサイエンスの腕試し
created by Rinker
スポンサーリンク

コメント

タイトルとURLをコピーしました