Pandas Sıralama Yöntemleri - mhalil.github.io

Sıralama Yöntemleri

Oluşturulan Veri Çerçevelerinin, isteğimiz doğrultusunda sıralanması için kullanabileceğimiz yöntemlere, bu bölümde değineceğiz.

Pandas üç tür sıralamayı destekler ;

İndeks (dizin) etiketlerine göre sıralama,
Sütun değerlerine göre sıralama
Her ikisinin birleşimine göre sıralama.

Konuya ait yöntemleri incelemek amacıyla imdb.xlsx dosyamızı içe aktararak bir veri çerçevesi oluşturarak işe başlayalım. Oluşturacağımız Veri çerçevesinin indeks değeri olarak Film Adlarını belirleyelim.

import pandas as pd
df = pd.read_excel("Veri_Setleri/imdb.xlsx", index_col="Film_Adı")
df.head(10)

	Yıl	Puan	Oylayan_Kişi
Film_Adı
The Shawshank Redemption	1994	9,2	1071904
The Godfather	1972	9,2	751381
The Godfather: Part II	1974	9	488889
Pulp Fiction	1994	8,9	830504
The Dark Knight	2008	8,9	1045186
12 Angry Men	1957	8,9	264112
Schindler's List	1993	8,9	545703
The Lord of the Rings: The Return of the King	2003	8,8	758388
Fight Club	1999	8,8	814389
Star Wars: Episode V - The Empire Strikes Back	1980	8,8	519895

sort_index() Fonksiyonu

sort_index() fonksiyonu (metodu), veri çerçevesini indeks (dizin) değerine göre Alfabetik olarak sıralama için kullanılır. df veri çerçevemizin indekslerini, Film adı olarak atadığımız için, sort_index() metodunu kullandığımız zaman, Veri çerçevemizi Film Adına göre sıralamış olacağız.

df.sort_index()

	Yıl	Puan	Oylayan_Kişi
Film_Adı
12 Angry Men	1957	8,9	264112
2001: A Space Odyssey	1968	8,3	275055
3 Idiots	2009	8	83178
8½	1963	8	54451
A Beautiful Mind	2001	8	344294
...	...	...	...
Warrior	2011	8,1	190877
Who's Afraid of Virginia Woolf?	1966	8	38192
Wild Strawberries	1957	8,2	41744
Witness for the Prosecution	1957	8,3	36241
Yojimbo	1961	8,3	49855

247 rows × 3 columns

ascending Parametresi

Sıralamayı ters çevirmek için ascending=False parametresini kullanabiliriz.

df.sort_index(ascending=False)

	Yıl	Puan	Oylayan_Kişi
Film_Adı
Yojimbo	1961	8,3	49855
Witness for the Prosecution	1957	8,3	36241
Wild Strawberries	1957	8,2	41744
Who's Afraid of Virginia Woolf?	1966	8	38192
Warrior	2011	8,1	190877
...	...	...	...
A Beautiful Mind	2001	8	344294
8½	1963	8	54451
3 Idiots	2009	8	83178
2001: A Space Odyssey	1968	8,3	275055
12 Angry Men	1957	8,9	264112

247 rows × 3 columns

axis Parametresi

Sütunlarda sıralama yapmak istersek axis=1 parametresini kullanmamız gerekir. axis parametresinin varsayılan değeri 0 (sıfır) yani satırlardır.

df.sort_index(axis=1) kodunu çalıştırdığımızda, imdb.xlsx dosyasını içeriği okunacak, satırlarda bir sıralama yapılmayacak ancak, sütun isimleri alfabetik olarak sıralanacaktır. Veri çerçevesi oluşturulurken dosya içeriğindeki Film_Adı Sütunu indeks olarak ayarlandığı için, axis=1 parametresi ile sıralama yapıldığında bu sütun sabit kalacak, diğer sıralı sütun isimleri (Yıl, Puan, Oylayan_Kişi) ve sütun değerleri değişecektir (Oylayan_Kişi, Puan, Yıl olacak).

df.sort_index(axis=1)

	Oylayan_Kişi	Puan	Yıl
Film_Adı
The Shawshank Redemption	1071904	9,2	1994
The Godfather	751381	9,2	1972
The Godfather: Part II	488889	9	1974
Pulp Fiction	830504	8,9	1994
The Dark Knight	1045186	8,9	2008
...	...	...	...
Mystic River	256159	7,9	2003
In the Heat of the Night	37081	7,9	1967
Arsenic and Old Lace	45893	7,9	1944
Before Sunrise	100974	7,9	1995
Papillon	62517	7,9	1973

247 rows × 3 columns

sort_values() Fonksiyonu

Veri çerçevesini sütun(lar)a göre sıralamak istersek, sort_values() fonksiyonunu kullanmalıyız.

by Parametresi

sort_values() fonksiyonu ile sütuna göre sıralama yapmak için by parametresi kullanılmalıdır. by parametresi, bir veya daha fazla sütunu belirtmek için kullanılabilir. Bu durumda sütun isimlerini köşeli parantez içinde yani bir liste olarak yazmalıyız. Fonksiyonu, örneklerle inceleyelim.

Örneğin yukarıda oluşturduğumuz df veri çerçevesini, Yıla göre sıralamak istersek aşağıdaki kodu çalıştırmalıyız.

df.sort_values(by="Yıl")

	Yıl	Puan	Oylayan_Kişi
Film_Adı
The Kid	1921	8,2	35316
The Gold Rush	1925	8,2	41458
The General	1926	8,2	34819
Metropolis	1927	8,3	74994
All Quiet on the Western Front	1930	8	38373
...	...	...	...
The Avengers	2012	8,1	568037
The Hobbit: An Unexpected Journey	2012	8	352517
Life of Pi	2012	8	246325
Rush	2013	8	28676
Gravity	2013	8,5	33721

247 rows × 3 columns

Sıralama işlemini birden fazla sütuna göre yapmak istersek, sütun isimlerini köşeli parantez içinde yani bir liste olarak belirtmemiz gerekir.

df.sort_values(by=["Puan", "Yıl"])

	Yıl	Puan	Oylayan_Kişi
Film_Adı
All Quiet on the Western Front	1930	8	38373
Rope	1948	8	66041
A Streetcar Named Desire	1951	8	60767
Stalag 17	1953	8	33518
Roman Holiday	1953	8	63443
...	...	...	...
Schindler's List	1993	8,9	545703
Pulp Fiction	1994	8,9	830504
The Dark Knight	2008	8,9	1045186
The Godfather	1972	9,2	751381
The Shawshank Redemption	1994	9,2	1071904

247 rows × 3 columns

Bu kod ile, öncelikle Puan sütununa göre sıralama yapılır, Puan sütununda aynı değerler yanyana geldiğinde ise, Yıl sütunu baz alınarak sıralama yapılır.

ascending Parametresi

Yukarıdaki örneklerde göreceğiniz gibi Veri çerçevesi, Yıla göre sıralandığında, varsayılan olarak alfabetik artan (küçükten büyüğe) şeklinde sıralandı. Eğer alfabetik azalan (büyükten küçüğe) şeklinde sıralamak istersek (yani sıralamayı ters çevirmek istersek) ascending=False parametresini kullanmalıyız.

df.sort_values(by="Yıl", ascending=False)

	Yıl	Puan	Oylayan_Kişi
Film_Adı
Rush	2013	8	28676
Gravity	2013	8,5	33721
The Avengers	2012	8,1	568037
The Dark Knight Rises	2012	8,4	672751
The Hunt	2012	8,1	39033
...	...	...	...
All Quiet on the Western Front	1930	8	38373
Metropolis	1927	8,3	74994
The General	1926	8,2	34819
The Gold Rush	1925	8,2	41458
The Kid	1921	8,2	35316

247 rows × 3 columns

na_position Parametresi

sort_values() fonksiyonu, na_position parametresi aracılığıyla NA (yani kayıp / eksik veri) değerlerini özel işleme tabi tutarak sıralayabilir.

Numpy Kütüphanesini kullanarak Rastgele sayılardan müteşekkil örnek bir veri çerçevesi oluşturup içeriğine bakalım.

import numpy as np
df2 = pd.DataFrame(
    {
        "Sütun_1": pd.Series(np.random.randn(3), index=["a", "b", "c"]),
        "Sütun_2": pd.Series(np.random.randn(4), index=["a", "b", "c", "d"]),
        "Sütun_3": pd.Series(np.random.randn(3), index=["b", "c", "d"]),
        "Sütun_4": pd.Series(np.random.randn(2), index=["a", "d"]),
    }
)
df2

	Sütun_1	Sütun_2	Sütun_3	Sütun_4
a	-1.485741	0.063539	NaN	-1.125456
b	-1.675240	0.417121	0.662779	NaN
c	-0.341007	0.701759	-0.998608	NaN
d	NaN	2.495466	0.149067	1.512350

Görüldüğü üzere, Sütun_1, Sütun_3 ve Sütun_4'te NaN (Not a Number) kayıp/eksik veriler bulunmakta. Örneğin Sütun_4'e göre yapılacak sıralama işleminde, NaN değerlerini en üste almak isteyelim. Bunun için na_position parametresinin "first" seçeneğini belirtmemiz gerekir.

df2.sort_values(by= "Sütun_4", na_position="first")

	Sütun_1	Sütun_2	Sütun_3	Sütun_4
b	-1.675240	0.417121	0.662779	NaN
c	-0.341007	0.701759	-0.998608	NaN
a	-1.485741	0.063539	NaN	-1.125456
d	NaN	2.495466	0.149067	1.512350

Sütun_4'e göre yapılacak sıralama işleminde, NaN değerlerini en alta almak istersek, bu defa na_position parametresinin "last" seçeneğini belirtmemiz gerekir.

df2.sort_values(by= "Sütun_4", na_position="last")

	Sütun_1	Sütun_2	Sütun_3	Sütun_4
a	-1.485741	0.063539	NaN	-1.125456
d	NaN	2.495466	0.149067	1.512350
b	-1.675240	0.417121	0.662779	NaN
c	-0.341007	0.701759	-0.998608	NaN

Yeniden İndekslemek

reindex() Fonksiyonu

reindex(), Pandas'ta temel veri sıralama (hizalama) yöntemlerinden biridir. Bir veri çerçevesinin satır ya da sütunlarını yeniden sıralamak için kullanılan en yaygın yöntemdir. Prensip olarak, etiket sıralama mantığına dayanır. Bu işlem, indeks değerlerini ya da sütun isimlerini yeniden sıralamak ve verileri belirli bir eksen (Satır ya da sütun) boyunca belirli bir etiket kümesiyle eşleşecek şekilde uyarlamak anlamına gelir. Bu fonksiyon, hem seçim hem de sıralama mantığıyla çalışır. Bu yöntemle şunlar sağlanır ;

Mevcut verileri, Yeni bir etiket kümesiyle eşleştirerek yeniden sıralar
Etiket kümesinde eşleşen verinin bulunmaması durumunda, etiket konumlarına eksik değer (NA / NaN) işaretçileri ekler
Belirtilmişse, mantık kullanarak eksik etiketler için verileri doldurur (fill). (zaman serisi verileriyle çalışanlar için oldukça alakalıdır)

df veri çerçevemizin ilk 15 verisini inceleyelim.

import pandas as pd
df = pd.read_excel("Veri_Setleri/imdb.xlsx", index_col="Film_Adı")
df.head(15)

	Yıl	Puan	Oylayan_Kişi
Film_Adı
The Shawshank Redemption	1994	9,2	1071904
The Godfather	1972	9,2	751381
The Godfather: Part II	1974	9	488889
Pulp Fiction	1994	8,9	830504
The Dark Knight	2008	8,9	1045186
12 Angry Men	1957	8,9	264112
Schindler's List	1993	8,9	545703
The Lord of the Rings: The Return of the King	2003	8,8	758388
Fight Club	1999	8,8	814389
Star Wars: Episode V - The Empire Strikes Back	1980	8,8	519895
The Lord of the Rings: The Fellowship of the Ring	2001	8,8	784999
One Flew Over the Cuckoo's Nest	1975	8,7	447005
Goodfellas	1990	8,7	465445
Seven Samurai	1954	8,7	161969
Inception	2010	8,7	844938

Hem seçim hem de sıralama mantığı ile çalışan bu fonksiyon ile Fight Club, Pulp Fiction, Inception, The Godfather, The Dark Knight ve Seven Samurai filmlerini, yazdığımız sıra ile sirala_filtrele isimli yeni bir Veri Çerçevesine atayalım.

sirala_filtrele = df.reindex(["Fight Club ", "Pulp Fiction", "Inception", "The Godfather ", "The Dark Knight ", "Seven Samurai "])
sirala_filtrele

	Yıl	Puan	Oylayan_Kişi
Film_Adı
Fight Club	1999	8,8	814389
Pulp Fiction	1994	8,9	830504
Inception	2010	8,7	844938
The Godfather	1972	9,2	751381
The Dark Knight	2008	8,9	1045186
Seven Samurai	1954	8,7	161969

df veri çerçevemizde bulunmayan (eksik/kayıp veri) bir filmi sirala_filtrele veri çerçevemize eklemeye çalışırak ne olacağını görelim.

sirala_filtrele = df.reindex(["Deli Yürek", "Fight Club ", "Pulp Fiction", "Inception", "The Godfather ", "The Dark Knight ", "Seven Samurai "])
sirala_filtrele

	Yıl	Puan	Oylayan_Kişi
Film_Adı
Deli Yürek	NaN	NaN	NaN
Fight Club	1999.0	8,8	814389.0
Pulp Fiction	1994.0	8,9	830504.0
Inception	2010.0	8,7	844938.0
The Godfather	1972.0	9,2	751381.0
The Dark Knight	2008.0	8,9	1045186.0
Seven Samurai	1954.0	8,7	161969.0

Gördüğünüz gibi, df veri çerçevemizde Deli Yürek isimli bir filmi bulunmadığı için, sirala_filtrele veri çerçevemize sadece Filmin Adı eklendi, Yıl, Puan ve Oylayan_Kişi bilgileri yerine NaN değeri atandı.

columns Parametresi

df veri çerçevemizin sütun isimleri Yıl, Puan ve Oylayan_Kişi sırası ile görüntüleniyor. Bu sırayı reindex() fonksiyonu yardımı ile değiştirmek istersek, columns parametresini kullanabiliriz. sirala_filtrele isimli veri çerçevemizin sütunlarını Puan, Yıl, Oylayan_Kişi sırasına göre hizalamaya çalışalım.

sirala_filtrele.reindex(columns=["Puan", "Yıl", "Oylayan_Kişi"])

	Puan	Yıl	Oylayan_Kişi
Film_Adı
Deli Yürek	NaN	NaN	NaN
Fight Club	8,8	1999.0	814389.0
Pulp Fiction	8,9	1994.0	830504.0
Inception	8,7	2010.0	844938.0
The Godfather	9,2	1972.0	751381.0
The Dark Knight	8,9	2008.0	1045186.0
Seven Samurai	8,7	1954.0	161969.0

reindex() fonksiyonunu, Dilimleme ve Filtreleme işlemi olarak ta kullanabiliriz. df veri çerçevemizdeki Seven Samurai, Fight Club ve Inception isimli filmlere ait sadece Yıl ve Puan bilgilerini elde etmek istersek reindex() fonksiyonu ile birlikte index ve columns parametrelerini kullanmalıyız.

df.reindex(index=["Seven Samurai ", "Fight Club ", "Inception"], columns=["Yıl", "Puan"])

	Yıl	Puan
Film_Adı
Seven Samurai	1954	8,7
Fight Club	1999	8,8
Inception	2010	8,7

axis parametresi

Veri çerçevenizin indeks değerlerini (satırlar) ya da sütun isimlerini/değerlerini reindex() fonksiyonun, axis parametresi ile de sıralayabilirsiniz.

İndeks değerleri ve Sütun isimleri 0, 1 ve 2 olan bir veri çerçevesi oluşturup göz atalım.

bir = [1,2,3], [40,50,60], [700,800,900]
sutun = [0,1,2]

df_1 = pd.DataFrame(bir, columns=sutun)
df_1

	0	1	2
0	1	2	3
1	40	50	60
2	700	800	900

index Seçeneği

İndeks değerlerini 2, 1 ve 0 olacak şekilde sıralamak için axis="index" parametre seçeneğini kullanmalıyız.

df_1.reindex([2,1,0], axis="index")

	0	1	2
2	700	800	900
1	40	50	60
0	1	2	3

columns Seçeneği

İndeks değerlerini 2, 1 ve 0 olacak şekilde sıralamak için axis="columns" parametre seçeneğini kullanmalıyız.

df_1.reindex([2,1,0], axis="columns")

	2	1	0
0	3	2	1
1	60	50	40
2	900	800	700

Ek Bilgi :

reindex() fonksiyonunu kullanırken, gerçek eksen etiketlerini (indeksleri) içeren index nesnelerinin, nesneler arasında paylaşılabileceğine dikkat edin!

Yani bir Seriniz (Series) ve Veri Çerçeveniz (Data Frame) varsa, bunların indeks değerlerini reindex() fonksiyonunda parametre olarak kullanabilirsiniz.

iki = ["a","b","c"], ["aa","bb","cc"], ["aaa","bbb","ccc"]
sutun = [1,2,0]

df_2 = pd.DataFrame(iki, index=sutun, columns=sutun)
df_2

	1	2	0
1	a	b	c
2	aa	bb	cc
0	aaa	bbb	ccc

df_2 veri çerçevesinde index ve Sütun isimleri 1,2,0 olarak atanmış. df_1 veri çerçevesinde index ve Sütun isimleri ise 0,1,2 olarak atanmış.

df_2'nin indeks değerlerini (satır etiketini) reindex() fonksiyonu ile değiştirirken, yeni sıralamayı df_1'in indeks değerleri ile belirleyelim/eşleştirelim.

df_2.reindex(df_1.index)

	1	2	0
0	aaa	bbb	ccc
1	a	b	c
2	aa	bb	cc

df_2'nin Sütun isimlerini reindex() fonksiyonun columns parametresi ile değiştirirken, yeni sıralamayı df_1'in indeks değerleri ile belirleyelim/eşleştirelim.

df_2.reindex(columns=df_1.index)

	0	1	2
1	c	a	b
2	cc	aa	bb
0	ccc	aaa	bbb

Karşılaştırma Operatörü Kullanımı

is Operatorü

Veri Çerçevelerinin index değerleri , liste veri tipi olarak belirtildiği için, listeler arasında karşılaştırma operatörlerini kullanmak ta mümkündür.

Örneğin df_1.index değerlerinin df_2.index değerlerine eşit olup olmadığını denetleyelim;

df_1.index is sirala_filtrele.index

False

> Operatörü

Python'da kullandığımız <, >, <=, >=, ==, ...vb operatörleri, Pandas Veri çerçevelerinde de kullanabiliriz.

Örneğin, df veri çerçevemizden dilimleme yöntemi ile sf isimli bir veri çerçevesi oluşturalım. Ardından df_1 veri çerçevesinin satır sayısının (len(df_1.index)) sf veri çerçevesinin satır sayısından (len(sf.index)) büyük olup olmadığını denetleyelim;

sf = sirala_filtrele.reindex(columns=["Puan", "Yıl", "Oylayan_Kişi"])
sf

	Puan	Yıl	Oylayan_Kişi
Film_Adı
Deli Yürek	NaN	NaN	NaN
Fight Club	8,8	1999.0	814389.0
Pulp Fiction	8,9	1994.0	830504.0
Inception	8,7	2010.0	844938.0
The Godfather	9,2	1972.0	751381.0
The Dark Knight	8,9	2008.0	1045186.0
Seven Samurai	8,7	1954.0	161969.0

len(df_1.index) > len(sf.index)

False

Benzer şekilde KÜÇÜKTÜR (<) operatörünün çıktısını da aşağıda görebilirsiniz;

len(df_1.index) < len(sf.index)

True

← Önceki Bölüm Sonraki Bölüm →