时间戳

首页 > 解决方案 > 如何根据数据框中未使用 if 条件的值对 14 列进行排序，而不是按行排序？

pandas - 如何根据数据框中未使用 if 条件的值对 14 列进行排序，而不是按行排序？

问题描述

我正在研究来自测试图像的预测数据框。我有一个包含 14 个值的列表，每个值都是类。我想比较模型预测在不同概率上的性能。现在我希望将这些值放在一个带有名称的新数据框中。之后，我想让它们按降序排序，如 10、9、8、7、6、5、4、3、2、1 等，如何对这些列进行排序并就地更改？示例数据：

col_name = ['Atelectasis', 'Cardiomegaly', 'Consolidation', 'Edema', 'Effusion', 'Emphysema', 'Fibrosis', 'Hernia',
        'Infiltration', 'Mass', 'Nodule', 'Pleural_Thickening', 'Pneumonia', 'Pneumothorax']
[0.2268, 0.0717, 0.2414, 0.0845, 0.2153, 0.2802, 0.3154, 0.2922, 0.1558,
         0.3638, 0.2032, 0.1259, 0.2359, 0.4329]

我不希望按行排序不向数据框添加新的 col 我只是根据列值排序，较大的列值将位于左侧，如上所示，我展示了一个示例。谢谢

标签： pandasdataframecsvsorting

解决方案

从以下数据框：

>>> import pandas as pd

>>> l_data_raw = [[0.2268, 0.0717, 0.2414, 0.0845, 0.2153, 0.2802, 0.3154, 0.2922, 0.1558, 0.3638, 0.2032, 0.1259, 0.2359, 0.4329],
...               [0.0468, 0.7172, 0.4143, 0.8452, 0.1534, 0.8025, 0.1546, 0.9227, 0.5583, 0.3387, 0.2325, 0.3259, 0.3597, 0.3259],
...               [0.2683, 0.0173, 0.4154, 0.8475, 0.7153, 0.2027, 0.3543, 0.2752, 0.7558, 0.3853, 0.3752, 0.7359, 0.8559, 0.2958],
...               [0.5788, 0.5617, 0.2754, 0.7645, 0.7853, 0.4602, 0.8754, 0.2332, 0.8768, 0.3768, 0.2782, 0.7659, 0.7859, 0.3729]]
>>> df = pd.DataFrame(data=l_data_raw, index=[0, 1, 2, 3], columns=['Atelectasis', 'Cardiomegaly', 'Consolidation', 'Edema', 'Effusion', 'Emphysema', 'Fibrosis', 'Hernia', 'Infiltration', 'Mass', 'Nodule', 'Pleural_Thickening', 'Pneumonia', 'Pneumothorax'])
>>> df
    Atelectasis Cardiomegaly    Consolidation   Edema   Effusion    Emphysema   Fibrosis    Hernia  Infiltration    Mass    Nodule  Pleural_Thickening  Pneumonia   Pneumothorax
0   0.2268      0.0717          0.2414          0.0845  0.2153      0.2802      0.3154      0.2922  0.1558          0.3638  0.2032  0.1259              0.2359      0.4329
1   0.0468      0.7172          0.4143          0.8452  0.1534      0.8025      0.1546      0.9227  0.5583          0.3387  0.2325  0.3259              0.3597      0.3259
2   0.2683      0.0173          0.4154          0.8475  0.7153      0.2027      0.3543      0.2752  0.7558          0.3853  0.3752  0.7359              0.8559      0.2958
3   0.5788      0.5617          0.2754          0.7645  0.7853      0.4602      0.8754      0.2332  0.8768          0.3768  0.2782  0.7659              0.7859      0.3729

我们可以然后按如下值重新排序每个图像组stack：DataFrame

>>> df_stacked = df.stack().to_frame().reset_index(drop=False)
>>> df_stacked.columns = ['image', 'class', 'value']
>>> df_agg = df_stacked.groupby(['image', 'class']).agg({'value':sum})
>>> df_agg['value'].groupby('image', group_keys=False).nlargest(14).to_frame()
        value
image   class
0       Pneumothorax        0.4329
        Mass                0.3638
        Fibrosis            0.3154
        Hernia              0.2922
        Emphysema           0.2802
        Consolidation       0.2414
        Pneumonia           0.2359
        Atelectasis         0.2268
        Effusion            0.2153
        Nodule              0.2032
        Infiltration        0.1558
        Pleural_Thickening  0.1259
        Edema               0.0845
        Cardiomegaly        0.0717
1       Hernia              0.9227
        Edema               0.8452
        Emphysema           0.8025
        Cardiomegaly        0.7172
        Infiltration        0.5583
        Consolidation       0.4143
        Pneumonia           0.3597
        Mass                0.3387
        Pleural_Thickening  0.3259
        Pneumothorax        0.3259
        Nodule              0.2325
        Fibrosis            0.1546
        Effusion            0.1534
        Atelectasis         0.0468
2       Pneumonia           0.8559
        Edema               0.8475
        Infiltration        0.7558
        Pleural_Thickening  0.7359
        Effusion            0.7153
        Consolidation       0.4154
        Mass                0.3853
        Nodule              0.3752
        Fibrosis            0.3543
        Pneumothorax        0.2958
        Hernia              0.2752
        Atelectasis         0.2683
        Emphysema           0.2027
        Cardiomegaly        0.0173
3       Infiltration        0.8768
        Fibrosis            0.8754
        Pneumonia           0.7859
        Effusion            0.7853
        Pleural_Thickening  0.7659
        Edema               0.7645
        Atelectasis         0.5788
        Cardiomegaly        0.5617
        Emphysema           0.4602
        Mass                0.3768
        Pneumothorax        0.3729
        Nodule              0.2782
        Consolidation       0.2754
        Hernia              0.2332

推荐阅读