Pandasで複数の列を使ってデータをソートする方法

Pandasのsort_valuesメソッドの紹介

Pandasのsort_valuesメソッドは、データフレームを一つまたは複数の列の値に基づいてソートするための強力なツールです。このメソッドは、以下のように使用します。

df.sort_values(by='column_name')

ここで、dfはソートしたいデータフレームを、'column_name'はソートに使用する列の名前を指します。

また、複数の列を指定してソートすることも可能です。その場合、列の名前をリストとして渡します。

df.sort_values(by=['column1', 'column2'])

このコードは、まず'column1'でソートし、その後'column2'でソートします。つまり、'column1'の値が同じ行については、'column2'の値でソートされます。

デフォルトでは、sort_valuesメソッドは昇順（小さい値から大きい値）でソートします。降順（大きい値から小さい値）でソートしたい場合は、ascending=Falseを指定します。

df.sort_values(by='column_name', ascending=False)

以上が、Pandasのsort_valuesメソッドの基本的な使い方です。次のセクションでは、複数の列を使ってデータをソートする具体的な方法について詳しく見ていきましょう。

複数の列を使ってデータをソートする基本的な方法

Pandasのsort_valuesメソッドを使うと、複数の列を基準にデータをソートすることができます。具体的な方法は以下の通りです。

df.sort_values(by=['column1', 'column2'])

このコードは、まず'column1'でソートし、その後'column2'でソートします。つまり、'column1'の値が同じ行については、'column2'の値でソートされます。

例えば、以下のようなデータフレームがあるとします。

import pandas as pd

data = {
    'name': ['John', 'Anna', 'George', 'Anna', 'John'],
    'score': [80, 90, 85, 90, 95]
}
df = pd.DataFrame(data)

このデータフレームを'name'と'score'の2つの列でソートするには、以下のようにします。

df.sort_values(by=['name', 'score'])

このコードを実行すると、まず'name'列でソートされ、その後'score'列でソートされます。その結果、同じ名前の人はスコアの低い順に並びます。

以上が、Pandasで複数の列を使ってデータをソートする基本的な方法です。次のセクションでは、昇順と降順を混在させてソートする方法について詳しく見ていきましょう。

昇順と降順を混在させてソートする方法

Pandasのsort_valuesメソッドを使うと、複数の列を基準にデータをソートする際に、それぞれの列を昇順または降順でソートすることができます。具体的な方法は以下の通りです。

df.sort_values(by=['column1', 'column2'], ascending=[True, False])

このコードは、まず'column1'で昇順にソートし、その後'column2'で降順にソートします。つまり、'column1'の値が同じ行については、'column2'の値で降順にソートされます。

例えば、以下のようなデータフレームがあるとします。

import pandas as pd

data = {
    'name': ['John', 'Anna', 'George', 'Anna', 'John'],
    'score': [80, 90, 85, 90, 95]
}
df = pd.DataFrame(data)

このデータフレームを'name'列は昇順、'score'列は降順でソートするには、以下のようにします。

df.sort_values(by=['name', 'score'], ascending=[True, False])

このコードを実行すると、まず'name'列で昇順にソートされ、その後'score'列で降順にソートされます。その結果、同じ名前の人はスコアの高い順に並びます。

以上が、Pandasで昇順と降順を混在させてデータをソートする方法です。次のセクションでは、NaNの位置を指定してソートする方法について詳しく見ていきましょう。

NaNの位置を指定してソートする方法

Pandasのsort_valuesメソッドを使うと、NaN（Not a Number）の値を持つ行の位置を指定してデータをソートすることができます。具体的な方法は以下の通りです。

df.sort_values(by='column_name', na_position='first')

このコードは、'column_name'列でソートし、NaNの値を持つ行を最初に配置します。デフォルトでは、na_position='last'が設定されており、NaNの値を持つ行はソートの最後に配置されます。

例えば、以下のようなデータフレームがあるとします。

import pandas as pd
import numpy as np

data = {
    'name': ['John', 'Anna', 'George', np.nan, 'John'],
    'score': [80, 90, 85, np.nan, 95]
}
df = pd.DataFrame(data)

このデータフレームを'name'列でソートし、NaNの値を持つ行を最初に配置するには、以下のようにします。

df.sort_values(by='name', na_position='first')

このコードを実行すると、'name'列でソートされ、NaNの値を持つ行が最初に配置されます。

以上が、PandasでNaNの位置を指定してデータをソートする方法です。次のセクションでは、実用的な例とその解説について詳しく見ていきましょう。

実用的な例とその解説

それでは、具体的なデータフレームを使って、これまでに説明したソートの方法を実際に見てみましょう。

import pandas as pd
import numpy as np

data = {
    'name': ['John', 'Anna', 'George', 'Anna', 'John', np.nan],
    'score': [80, 90, 85, 90, 95, np.nan],
    'age': [20, 19, 21, 19, 20, 22]
}
df = pd.DataFrame(data)

このデータフレームを、まず'name'列で昇順に、次に'score'列で降順に、そして'age'列で昇順にソートし、NaNの値を持つ行を最初に配置するには、以下のようにします。

df.sort_values(by=['name', 'score', 'age'], ascending=[True, False, True], na_position='first')

このコードを実行すると、以下のような結果が得られます。

   name  score   age
4   NaN    NaN  22.0
1  Anna   90.0  19.0
3  Anna   90.0  19.0
2 George   85.0  21.0
0   John   95.0  20.0
4   John   80.0  20.0

この結果から、'name'列で昇順に、'score'列で降順に、そして'age'列で昇順にソートされていることがわかります。また、NaNの値を持つ行が最初に配置されています。

以上が、Pandasで複数の列を使ってデータをソートする実用的な例とその解説です。これらの方法を活用すれば、データ分析の際にデータを効率的に整理することができます。