Sort

• Sortowanie ramki danych można realizować na dwa sposoby
  • poprzez wartości metodą .sort_values()
    • axis - integer wskazujący oś sortowania 0 - wiersze (default); 1 - kolumny
    • by - czyli lista kolumn, które będą sortowane
    • ascending - boolean wskazujący kolejność sortowania
    • inplace - boolean czy od razu nadpisać dane
    • kind - string wskazujący na typ sortowania:
      • quicksort: szybki, ale niestabilny (może zmienić kolejność równych elementów).
      • mergesort / stable: zachowują kolejność elementów o tych samych wartościach
      • heapsort: kompromis między stabilnością a wydajnością, ale także niestabilny.
    • na_position - string wskazujący pozycję wartości NA: first lub last
  • poprzez index metodą .sort_index(), dodatkowe argumenty to
    • level - integer wskazujący poziom sortowania (dla multi-index), np. 1

df.sort_values(
	by='item_name item_price quantity'.split(),		# sexi zdefiniowanie kolumn do sortowania
	ascending=[False]*3 							# też sexi, powielanie działa tylko z listą!!!
)

Manually Defined Criteria

• Do sortowania na podstawie własnej kolejności można użyć typu danych kategorycznych Categorical()
  • 1. values (wymagany):
    • Lista, tablica NumPy, seria Pandas lub inny iterowalny obiekt, który zawiera dane do zaklasyfikowania jako kategorie.
    • Przykład: [‘a’, ‘b’, ‘a’, ‘c’].
  2. categories (opcjonalny):
     • Lista unikalnych wartości, które mają być traktowane jako kategorie. Jeśli nie zostanie podana, Pandas automatycznie wyciągnie unikalne wartości z values.
     • Przykład: [‘a’, ‘b’, ‘c’, ‘d’] (nawet jeśli d nie występuje w values, zostanie uwzględnione jako kategoria).
  3. ordered (opcjonalny, domyślnie False):
     • Określa, czy kategorie mają być traktowane jako uporządkowane (np. low < medium < high).
     • Jeśli True, można wykonywać operacje porównawcze, takie jak <, >, itp.

# Predefiniowana lista kolejności
order = ['banana', 'cherry', 'apple']
 
# Zamiana na kolumnę typu Categorical
df['item_name'] = pd.Categorical(
	df['item_name'],
	categories=order,
	ordered=True
)
 
# Sortowanie wg zaaplikowanego orderu
df_sorted = df.sort_values('item_name')