Ich habe hier ein Problem, in meinem Python-Paket habe ich numpy installiert, aber ich habe immer noch den Fehler 'DataFrame'-Objekt hat kein Attribut' sort '

Jeder kann mir eine Idee geben ..

Das ist mein Code:

final.loc[-1] =['', 'P','Actual']
final.index = final.index + 1  # shifting index
final = final.sort()
final.columns=[final.columns,final.iloc[0]]
final = final.iloc[1:].reset_index(drop=True)
final.columns.names = (None, None)

sort() wurde für DataFrames zugunsten von entweder abgelehnt:

• sort_values()nach Spalte (n) sortieren
• sort_index()nach dem Index sortieren

sort()wurde in Pandas mit Release 0.17 (2015-10-09) mit der Einführung von sort_values()und veraltet (aber immer noch verfügbar) sort_index(). Es wurde mit Release 0.20 (2017-05-05) von Pandas entfernt.

Pandasortierung 101

sortwurde in v0.20 durch DataFrame.sort_valuesund ersetzt DataFrame.sort_index. Abgesehen davon haben wir auch argsort.

Im Folgenden finden Sie einige häufig verwendete Anwendungsfälle beim Sortieren und deren Lösung mithilfe der Sortierfunktionen in der aktuellen API. Zuerst das Setup.

# Setup
np.random.seed(0)
df = pd.DataFrame({'A': list('accab'), 'B': np.random.choice(10, 5)})    
df                                                                                                                                        
   A  B
0  a  7
1  c  9
2  c  3
3  a  5
4  b  2

Nach einer Spalte sortieren

dfVerwenden Sie zum Sortieren nach Spalte "A" beispielsweise sort_valueseinen einzelnen Spaltennamen:

df.sort_values(by='A')

   A  B
0  a  7
3  a  5
4  b  2
1  c  9
2  c  3

Wenn Sie einen neuen RangeIndex benötigen, verwenden Sie DataFrame.reset_index.

Nach mehreren Spalten sortieren

Zum Beispiel durch sortieren sowohl col „A“ und „B“ in df, eine Liste übergeben können sort_values:

df.sort_values(by=['A', 'B'])

   A  B
3  a  5
0  a  7
4  b  2
2  c  3
1  c  9

Nach DataFrame-Index sortieren

df2 = df.sample(frac=1)
df2

   A  B
1  c  9
0  a  7
2  c  3
3  a  5
4  b  2

Sie können dies tun mit sort_index:

df2.sort_index()

   A  B
0  a  7
1  c  9
2  c  3
3  a  5
4  b  2

df.equals(df2)                                                                                                                            
# False
df.equals(df2.sort_index())                                                                                                               
# True

Hier sind einige vergleichbare Methoden mit ihrer Leistung:

%timeit df2.sort_index()                                                                                                                  
%timeit df2.iloc[df2.index.argsort()]                                                                                                     
%timeit df2.reindex(np.sort(df2.index))                                                                                                   

605 µs ± 13.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
610 µs ± 24.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
581 µs ± 7.63 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Sortieren nach Liste der Indizes

Beispielsweise,

idx = df2.index.argsort()
idx
# array([0, 7, 2, 3, 9, 4, 5, 6, 8, 1])

Dieses "Sortier" -Problem ist eigentlich ein einfaches Indizierungsproblem. Es reicht aus, nur ganzzahlige Beschriftungen an zu übergeben iloc.

df.iloc[idx]

   A  B
1  c  9
0  a  7
2  c  3
3  a  5
4  b  2