Ordenar un DataFrame en base a dos o más columnas

Los DataFrames de Pandas cuentan con el método sort_values() para ordenar los registros de un conjunto de datos en base a sus valores. Siendo una herramienta que ofrece múltiples opciones. En su uso básico permite ordenar los datos en base a los valores de una columna, pero también es posible ordenar un DataFrame en base a dos o más columnas. Pudiendo llegar a combinar unas en orden ascendente y otras descendente.

Creación de un conjunto de datos aleatorio

Para ordenar un DataFrame en primer lugar es necesario contar con uno que no se encuentre ordenado. Una de las opciones más sencillas para ello es crear uno de forma aleatoria, combinando valores enteros, reales y cadenas de texto. Como el que se obtiene con el siguiente código.

import pandas as pd 
import numpy as np

np.random.seed(42)

# Crear DataFrame vacío 
df = pd.DataFrame()

# Agregar columnas con datos aleatorios
df['Col1'] = np.random.randint(0, 3, 9) 
df['Col2'] = np.random.randn(9) 
df['Col3'] = np.random.choice(['Alice', 'Bob', 'Carol'], 9)

# Mostrar todo el DataFrame
df

   Col1      Col2   Col3
0     2 -0.094621  Alice
1     0 -0.928828  Alice
2     2 -0.885230  Alice
3     2 -0.412188  Carol
4     0 -0.482619  Carol
5     0  0.164165  Carol
6     2  0.233095    Bob
7     1  0.117995  Carol
8     2  1.462378    Bob

Lo que produce como resultado un DataFrame con tres columnas y nueve filas.

Ordenar un DataFrame en base a una columna

Ahora se puede ordenar el DataFrame generado en base a los valores de una columna. Para ello solo se tiene que llamar al método sort_values() indicando como parámetro el nombre de la columna. Por ejemplo, si se ordena en base a la primera columna se obtiene el siguiente resultado.

df.sort_values('Col1')

   Col1      Col2   Col3
1     0 -0.928828  Alice
4     0 -0.482619  Carol
5     0  0.164165  Carol
7     1  0.117995  Carol
0     2 -0.094621  Alice
2     2 -0.885230  Alice
3     2 -0.412188  Carol
6     2  0.233095    Bob
8     2  1.462378    Bob

Lo que produce un nuevo DataFrame con las filas reordenarlas en base al valor de la primera columna. Nótese que cuando se repite el valor de la primera columna, los registros mantienen el orden original. Algo que se puede ver en los valores de los índices. Por lo que los valores del resto de columnas están desordenados.

El método sort_values() también funciona con columnas de texto, para lo que solamente se debe indicar el nombre de la columna.

df.sort_values('Col3')

   Col1      Col2   Col3
0     2 -0.094621  Alice
1     0 -0.928828  Alice
2     2 -0.885230  Alice
6     2  0.233095    Bob
8     2  1.462378    Bob
3     2 -0.412188  Carol
4     0 -0.482619  Carol
5     0  0.164165  Carol
7     1  0.117995  Carol

En este caso la ordenación se realiza alfabéticamente usando las reglas del inglés, si se desea una otras y tener en cuenta los acentos, se deben usar paquetes como pyuca.

Ordenar un DataFrame en base a dos columnas

Para ordenar en base a dos o más columnas solamente se debe pasar una lista con el nombre de las columnas. Ordenado en primer lugar por la primera y, en el caso de que se repitan valores, en base a la segunda. Por ejemplo, si se desea ordenar el DataFrame en base a la primera columna y posteriormente en base a la segunda se puede ejecutar la siguiente línea de código.

df.sort_values(['Col1', 'Col2'])

   Col1      Col2   Col3
1     0 -0.928828  Alice
4     0 -0.482619  Carol
5     0  0.164165  Carol
7     1  0.117995  Carol
2     2 -0.885230  Alice
3     2 -0.412188  Carol
0     2 -0.094621  Alice
6     2  0.233095    Bob
8     2  1.462378    Bob

Lo que ordena ambas columnas en orden ascendente. Nótese que en este caso los valores de los índices para un mismo valor de la primera columna ya no están siempre ordenados, el orden depende del valor de la segunda columna. Si se desea cambiar la forma de ordenación se puede usar la propiedad ascending del método. A la que se le debe pasar una lista con valores True para las columnas que se desean ordenar de forma ascendente y False para el resto. Por ejemplo, para que se note más fácilmente el cambio se puede ordenar la primera columna en orden descendente y la segunda en orden ascendente con la siguiente línea de código.

df.sort_values(['Col1', 'Col2'], ascending=[False, True])

   Col1      Col2   Col3
2     2 -0.885230  Alice
3     2 -0.412188  Carol
0     2 -0.094621  Alice
6     2  0.233095    Bob
8     2  1.462378    Bob
7     1  0.117995  Carol
1     0 -0.928828  Alice
4     0 -0.482619  Carol
5     0  0.164165  Carol

En el caso de querer ordenar en base a tres o más columnas solamente se debe indicar las columnas que se desean usar en la lista del método.

Conclusiones

El método sort_values() permite ordenar un DataFrame en base a dos o más columnas. Por lo que el método es suficiente para la mayoría de los casos de ordenación con los que nos podemos encontrar de forma habitual. Conocer las opciones de esta herramienta es algo que nos puede hacer el día a día más sencillo.