Python | Serie Pandas.argsort() – Part 1

La serie Pandas es un ndarray unidimensional con etiquetas de eje. No es necesario que las etiquetas sean únicas, pero deben ser de tipo hashable. El objeto admite la indexación basada en enteros y etiquetas y proporciona una gran cantidad de métodos para realizar operaciones relacionadas con el índice.

La función Pandas Series.argsort()devuelve los índices que ordenarían los datos subyacentes del objeto de serie dado.

Sintaxis: Series.argsort(axis=0, kind=’quicksort’, order=Ninguno)

Parámetro:
eje: no tiene efecto, pero se acepta por compatibilidad con numpy.
kind : {‘mergesort’, ‘quicksort’, ‘heapsort’}, default ‘quicksort’
order : No tiene efecto pero se acepta por compatibilidad con numpy.

Devuelve: argsorted: Serie, con -1 indicado donde están presentes los valores nan

Ejemplo #1: Utilice Series.argsort()la función para devolver la secuencia de índice que ordenará los datos subyacentes del objeto de serie dado.

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([34, 5, 13, 32, 4, 15])
  
# Create the Index
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp']
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

Producción :

Coca Cola    34
Sprite        5
Coke         13
Fanta        32
Dew           4
ThumbsUp     15
dtype: int64

Ahora usaremos Series.argsort()la función para devolver una secuencia de índices que ordenarán los datos subyacentes del objeto de serie dado.

# return the indices which will
# sort the series
result = sr.argsort()
  
# Print the result
print(result)
  
# Let's sort the series using the result
print(sr[result])

Producción :

Coca Cola    4
Sprite       1
Coke         2
Fanta        5
Dew          3
ThumbsUp     0
dtype: int64

Dew           4
Sprite        5
Coke         13
ThumbsUp     15
Fanta        32
Coca Cola    34
dtype: int64

Como podemos ver en la salida, la Series.argsort()función ha devuelto con éxito un objeto de serie que contiene los índices que ordenarán el objeto de serie dado.
 
Ejemplo n.º 2: use Series.argsort()la función para devolver la secuencia de índice que ordenará los datos subyacentes del objeto de serie dado.

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([11, 21, 8, 18, 65, 18, 32, 10, 5, 32, None])
  
# Create the Index
# apply yearly frequency
index_ = pd.date_range('2010-10-09 08:45', periods = 11, freq ='Y')
  
# set the index
sr.index = index_
  
# Print the series
print(sr)

Producción :

2010-12-31 08:45:00    11.0
2011-12-31 08:45:00    21.0
2012-12-31 08:45:00     8.0
2013-12-31 08:45:00    18.0
2014-12-31 08:45:00    65.0
2015-12-31 08:45:00    18.0
2016-12-31 08:45:00    32.0
2017-12-31 08:45:00    10.0
2018-12-31 08:45:00     5.0
2019-12-31 08:45:00    32.0
2020-12-31 08:45:00     NaN
Freq: A-DEC, dtype: float64

Ahora usaremos Series.argsort()la función para devolver una secuencia de índices que ordenarán los datos subyacentes del objeto de serie dado.

# return the indices which will
# sort the series
result = sr.argsort()
  
# Print the result
print(result)
  
# Let's sort the series using the result
print(sr[result])

Producción :

2010-12-31 08:45:00    8
2011-12-31 08:45:00    2
2012-12-31 08:45:00    7
2013-12-31 08:45:00    0
2014-12-31 08:45:00    3
2015-12-31 08:45:00    5
2016-12-31 08:45:00    1
2017-12-31 08:45:00    6
2018-12-31 08:45:00    9
2019-12-31 08:45:00    4
2020-12-31 08:45:00   -1
Freq: A-DEC, dtype: int64

2018-12-31 08:45:00     5.0
2012-12-31 08:45:00     8.0
2017-12-31 08:45:00    10.0
2010-12-31 08:45:00    11.0
2013-12-31 08:45:00    18.0
2015-12-31 08:45:00    18.0
2011-12-31 08:45:00    21.0
2016-12-31 08:45:00    32.0
2019-12-31 08:45:00    32.0
2014-12-31 08:45:00    65.0
2020-12-31 08:45:00     NaN
dtype: float64

Como podemos ver en la salida, la Series.argsort()función ha devuelto con éxito un objeto de serie que contiene los índices que ordenarán el objeto de serie dado. Observe que la función ha devuelto -1 como posición de índice para los valores faltantes.