переставляют группы в панд

Question

Скажем, у меня есть PandasDataFrame, данные выглядят как

import numpy as np 
import pandas as pd 

n = 30 
df = pd.DataFrame({'a': np.arange(n), 
        'b': np.random.choice([0, 1, 2], n), 
        'c': np.arange(n)}) 

Вопрос: как переставлять группы (сгруппированные по b колонке)?

Не перестановка в каждой группе, а перестановка на групповом уровне?

---

Пример

Перед

a b c 
1 0 1 
2 0 2 
3 1 3 
4 1 4 
5 2 5 
6 2 6 

После

a b c 
3 1 3 
4 1 4 
1 0 1 
2 0 2 
5 2 5 
6 2 6 

В основном до перестановки, df['b'].unqiue() == [0, 1, 2], после перестановки, df['b'].unique() == [1, 0, 2].

Answer 1

Вот ответ, основанный на принятом ответе на this SO post, который использует временный столбец Categorical в качестве ключа сортировки для выполнения пользовательских сортировок сортировки. В этом ответе я создаю все перестановки, но вы можете просто взять первый, если ищете только один.

import itertools 

df_results = list() 
orderings = itertools.permutations(df["b"].unique()) 
for ordering in orderings: 
    df_2 = df.copy() 
    df_2["b_key"] = pd.Categorical(df_2["b"], [i for i in ordering]) 
    df_2.sort_values("b_key", inplace=True) 
    df_2.drop(["b_key"], axis=1, inplace=True) 
    df_results.append(df_2) 

for df in df_results: 
    print(df) 

Идея заключается в том, что мы создаем новую категориальные переменные каждый раз, с несколько иным перечисленным порядком, а затем сортировать по ней. Мы отбрасываем его в конце, как только мы больше не нуждаемся в нем.

Answer 2

Если я правильно понял ваш вопрос, вы можете сделать это следующим образом:

n = 30 
df = pd.DataFrame({'a': np.arange(n), 
        'b': np.random.choice([0, 1, 2], n), 
        'c': np.arange(n)}) 

order = pd.Series([1,0,2]) 

cols = df.columns 

df['idx'] = df.b.map(order) 

index = df.index 

df = df.reset_index().sort_values(['idx', 'index'])[cols] 

Шаг за шагом:

In [103]: df['idx'] = df.b.map(order) 

In [104]: df 
Out[104]: 
    a b c idx 
0 0 2 0 2 
1 1 0 1 1 
2 2 1 2 0 
3 3 0 3 1 
4 4 1 4 0 
5 5 1 5 0 
6 6 1 6 0 
7 7 2 7 2 
8 8 0 8 1 
9 9 1 9 0 
10 10 0 10 1 
11 11 1 11 0 
12 12 0 12 1 
13 13 2 13 2 
14 14 0 14 1 
15 15 2 15 2 
16 16 1 16 0 
17 17 2 17 2 
18 18 1 18 0 
19 19 1 19 0 
20 20 0 20 1 
21 21 0 21 1 
22 22 1 22 0 
23 23 1 23 0 
24 24 2 24 2 
25 25 0 25 1 
26 26 0 26 1 
27 27 0 27 1 
28 28 1 28 0 
29 29 1 29 0 

In [105]: df.reset_index().sort_values(['idx', 'index']) 
Out[105]: 
    index a b c idx 
2  2 2 1 2 0 
4  4 4 1 4 0 
5  5 5 1 5 0 
6  6 6 1 6 0 
9  9 9 1 9 0 
11  11 11 1 11 0 
16  16 16 1 16 0 
18  18 18 1 18 0 
19  19 19 1 19 0 
22  22 22 1 22 0 
23  23 23 1 23 0 
28  28 28 1 28 0 
29  29 29 1 29 0 
1  1 1 0 1 1 
3  3 3 0 3 1 
8  8 8 0 8 1 
10  10 10 0 10 1 
12  12 12 0 12 1 
14  14 14 0 14 1 
20  20 20 0 20 1 
21  21 21 0 21 1 
25  25 25 0 25 1 
26  26 26 0 26 1 
27  27 27 0 27 1 
0  0 0 2 0 2 
7  7 7 2 7 2 
13  13 13 2 13 2 
15  15 15 2 15 2 
17  17 17 2 17 2 
24  24 24 2 24 2