6 min de leitura

Pandas #6 - Ordenando e Reindexando DataFrames

Como ordenar um DataFrame por valores ou por índice com sort_values() e sort_index(), e como reindexar com reindex() para encaixar dados em um novo conjunto de rótulos.

Pandas #6 - Ordenando e Reindexando DataFrames

No post anterior você viu como preencher lacunas de um jeito mais inteligente que um valor fixo. Este post continua no tema de organizar um DataFrame, mas de um ângulo diferente: a ordem das linhas e os próprios rótulos do índice. Você vai ver como ordenar dados com sort_values() e sort_index(), e como encaixar um DataFrame num conjunto de rótulos diferente com reindex() — que, aliás, é onde ffill()/bfill() do post anterior voltam a aparecer.

Ordenando por valor com sort_values()

O jeito mais comum de ordenar um DataFrame é por valor de uma coluna — do menor pro maior preço, do mais recente pro mais antigo, etc.

Exemplo 1 - ordenando por uma coluna

import pandas as pd

dados = {
    "produto": ["Notebook", "Mouse", "Teclado", "Monitor"],
    "preco": [3200, 89, 150, 890]
}

df = pd.DataFrame(dados)
print(df.sort_values("preco"))

A saída é:

    produto  preco
1     Mouse     89
2   Teclado    150
3   Monitor    890
0  Notebook   3200

Por padrão a ordenação é crescente. Pra inverter, use ascending=False:

print(df.sort_values("preco", ascending=False))

Exemplo 2 - ordenando por múltiplas colunas

Passando uma lista em by, o Pandas ordena primeiro pela primeira coluna, e usa a segunda só como critério de desempate:

dados_vendas = {
    "categoria": ["Informática", "Áudio", "Informática", "Áudio"],
    "produto": ["Notebook", "Headset", "Mouse", "Fone"],
    "unidades": [8, 20, 45, 20]
}

df_vendas = pd.DataFrame(dados_vendas)
print(df_vendas.sort_values(by=["categoria", "unidades"]))

     categoria  produto  unidades
3        Áudio     Fone        20
1        Áudio  Headset        20
2  Informática    Mouse        45
0  Informática  Notebook         8

Repare que Fone e Headset têm o mesmo número de unidades (20) — como o desempate não foi especificado por uma terceira coluna, eles mantiveram a ordem em que já apareciam no DataFrame original.

Ordenando pelo índice com sort_index()

Depois de algumas operações (como um .loc com lista fora de ordem, ou um concat()), o índice pode acabar bagunçado. sort_index() reorganiza o DataFrame pela ordem dos próprios rótulos, não pelos valores das colunas.

Exemplo 3 - reordenando pelo índice

df_bagunçado = df.loc[[3, 0, 2, 1]]
print(df_bagunçado)
print(df_bagunçado.sort_index())

    produto  preco
3   Monitor    890
0  Notebook   3200
2   Teclado    150
1     Mouse     89

    produto  preco
0  Notebook   3200
1     Mouse     89
2   Teclado    150
3   Monitor    890

Ordenando com valores ausentes

Colunas com NaN merecem atenção na hora de ordenar — por padrão, o Pandas sempre joga os valores ausentes pro final, independente da direção da ordenação.

precos_com_falha = pd.Series([150, None, 89, 3200])
print(precos_com_falha.sort_values())
print(precos_com_falha.sort_values(ascending=False))

2      89.0
0     150.0
3    3200.0
1       NaN
dtype: float64

3    3200.0
0     150.0
2      89.0
1       NaN
dtype: float64

Repare que o NaN fica na última posição nos dois casos, mesmo com ascending=False invertendo a ordem dos demais valores. Pra mudar esse comportamento, o parâmetro na_position aceita "first" pra jogar os ausentes pro início em vez do fim.

Reindexando com reindex()

reindex() faz algo diferente de ordenar: ele encaixa o DataFrame num novo conjunto de rótulos, que você especifica — rótulos que já existiam mantêm seu valor, e rótulos novos entram com NaN.

Exemplo 4 - reindexando com novos rótulos

serie = pd.Series([89, 150, 3200], index=["mouse", "teclado", "notebook"])
nova_ordem = ["notebook", "teclado", "mouse", "headset"]

print(serie.reindex(nova_ordem))

notebook    3200.0
teclado      150.0
mouse         89.0
headset        NaN
dtype: float64

headset não existia na Series original, então entrou com NaN — é exatamente o tipo de lacuna que ffill(), bfill() ou interpolate(), vistos no post anterior, podem resolver logo em seguida. Inclusive, o próprio reindex() aceita um parâmetro method pra já preencher na hora.

Exemplo 5 - reindexando e preenchendo ao mesmo tempo

print(serie.reindex(nova_ordem, method="ffill"))

Nesse caso específico o resultado não muda headset (porque não existe um valor anterior na nova ordem pra copiar — o method do reindex() segue a ordem da lista de rótulos nova, não a original), mas o parâmetro é útil quando a lista de rótulos é uma sequência contínua, como preencher dias que faltam num índice de datas.

Além de method, reindex() também aceita fill_value pra definir um valor fixo de preenchimento (em vez de copiar de uma direção), do mesmo jeito que você viu em .add() no post de operações aritméticas:

print(serie.reindex(nova_ordem, fill_value=0))

notebook    3200
teclado      150
mouse         89
headset        0
dtype: int64

Nota: reindex_like(outro_df) é um atalho pra reindexar um DataFrame usando exatamente o índice de outro DataFrame já existente — útil quando você quer garantir que duas tabelas tenham as mesmas linhas antes de operar entre elas.

Com sort_values(), sort_index() e reindex(), você já controla tanto a ordem quanto os próprios rótulos de um DataFrame. O próximo post muda de assunto: estatísticas descritivas, começando pelo método que resume uma coluna inteira numa única chamada, describe().

Fonte adaptada: Pandas - Sorting, Pandas - Reindexing