Obtener los primeros registros ordenados de un DataFrame Pandas

Los objetos DataFrame de Pandas cuentan con un par de métodos mediante los cuales se puede ordenar los registros en base a los valores de una o varias columnas y obtener como resultado los n primeros. Una funcionalidad con la que se puede simplificar algunos análisis. En concreto, el método df.nlargest() ordena de mayor a menor los registros de un conjunto de datos y devuelve los n primeros. Para obtener los valores ordenados de modo ascendente debería usarse el método df.nsmallest(). Veamos a continuación como usar estos métodos para conseguir los primeros registros ordenados de un DataFrame.

Primeros registros ordenados de un DataFrame en base a los valores de una columna

En esta ocasión vamos a emplear el conjunto de datos tips de Seaborn a modos de ejemplo. Un conjunto de datos que ya se han usado en otras ocasiones y en el que se pueden ver las propinas recibidas en un restaurante. Para importar el conjunto de datos solamente se tienen que importar la función load_dataset() y ejecutar el siguiente código.

from seaborn import load_dataset

tips = load_dataset("tips")

tips.head()

   total_bill   tip     sex smoker  day    time  size
0       16.99  1.01  Female     No  Sun  Dinner     2
1       10.34  1.66    Male     No  Sun  Dinner     3
2       21.01  3.50    Male     No  Sun  Dinner     3
3       23.68  3.31    Male     No  Sun  Dinner     2
4       24.59  3.61  Female     No  Sun  Dinner     4

Obteniendo un conjunto de datos con siete carteristas.

Ahora, si se desea obtener los 6 registros en los que los clientes hayan dejado una mayor propina se puede usar el método df.nlargest(). Siendo el primer parámetro el número de registros que se desea obtener como resultado y el segundo la columna usada para ordenar los datos. En el ejemplo planteado anteriormente esto sería 6 y ‘tip’ respectivamente. Lo que se hace en el siguiente código.

tips.nlargest(6, 'tip')

     total_bill    tip   sex smoker   day    time  size
170       50.81  10.00  Male    Yes   Sat  Dinner     3
212       48.33   9.00  Male     No   Sat  Dinner     4
23        39.42   7.58  Male     No   Sat  Dinner     4
59        48.27   6.73  Male     No   Sat  Dinner     4
141       34.30   6.70  Male     No  Thur   Lunch     6
183       23.17   6.50  Male    Yes   Sun  Dinner     4

Con lo que se obtiene el resultado deseado.

Primeros registros ordenados de un DataFrame en base a los valores de varias columnas

El método df.nlargest() también admite como segundo parámetro una lista con los nombres de las columnas. En tal caso ordenará los registros primero por la primera columna y posteriormente por la segunda. Por lo que, por ejemplo, se podría ordenar los registros primero en base al tamaño de la mesa y posteriormente en base a la propina. Algo que se puede conseguir con el siguiente código.

tips.nlargest(6, ['size', 'tip'])

     total_bill   tip     sex smoker   day    time  size
141       34.30  6.70    Male     No  Thur   Lunch     6
143       27.05  5.00  Female     No  Thur   Lunch     6
156       48.17  5.00    Male     No   Sun  Dinner     6
125       29.80  4.20  Female     No  Thur   Lunch     6
155       29.85  5.14  Female     No   Sun  Dinner     5
142       41.19  5.00    Male     No  Thur   Lunch     5

En donde se puede ver que en primer lugar aparecen los registros para la mesa 6 comensales y luego la de 5. Ordenando en segundo lugar los registros en base a la propina.

Obtener los registros ordenados de menor a mayor

El método df.nlargest() ordena los registros de mayor a menor, esto es, en orden descendente. Si se desea ordenar los vales de menor a mayor, en orden asiente, se deberá recurrir al método df.nsmallest(). Un método que admite exactamente los mismos parámetros. Así, se puede repetir el ejemplo anterior, pero cambiar la forma de ordenar.

tips.nsmallest(6, ['size', 'tip'])

     total_bill   tip     sex smoker   day    time  size
67         3.07  1.00  Female    Yes   Sat  Dinner     1
111        7.25  1.00  Female     No   Sat  Dinner     1
82        10.07  1.83  Female     No  Thur   Lunch     1
222        8.58  1.92    Male    Yes   Fri   Lunch     1
92         5.75  1.00  Female    Yes   Fri  Dinner     2
236       12.60  1.00    Male    Yes   Sat  Dinner     2

Conclusiones

En esta ocasión se ha visto una serie de métodos mediante los que es posible conseguir los primeros registros ordenados de un DataFrame Pandas. Unos métodos con los que se puede simplificar este tipo de análisis. Aunque esto también se puede conseguir ordenando manualmente los DataFrames, si se desea obtener solamente los primeros registros esta es una forma mucho más sencilla de conseguirlo.