检查非索引列是否在 Pandas 中排序

Question

有没有一种方法可以测试数据帧是否按给定的不是索引的列排序（即，对于非索引列，是否有等同于 is_monotonic() 的方法），而无需全面调用排序再次，并且不将列转换为索引？

Answer 1

可以使用numpy的方法：

import numpy as np

def is_df_sorted(df, colname):
    return (np.diff(df[colname]) > 0).all()

更直接的方法（就像你建议的那样，但你说你不想要它..）是转换为索引并使用 is_monotonic 属性:

import pandas as pd

def is_df_sorted(df, colname):
    return pd.Index(df[colname]).is_monotonic

Answer 2

pd.algos 中有一些函数可能有用。它们都是未记录的实现细节，因此它们可能会因版本而异：

>>> pd.algos.is[TAB]
pd.algos.is_lexsorted          pd.algos.is_monotonic_float64  pd.algos.is_monotonic_object
pd.algos.is_monotonic_bool     pd.algos.is_monotonic_int32
pd.algos.is_monotonic_float32  pd.algos.is_monotonic_int64

is_monotonic_* 函数采用指定 dtype 的数组和一个 "timelike" 布尔值，对于大多数用例来说应该是 False。（对于涉及以整数表示的时间的情况，Pandas 将其设置为 True。）return 值是一个元组，其第一个元素表示数组是否单调非递减，第二个元素表示element 表示数组是否单调非递增。其他元组元素与版本相关：

>>> df = pd.DataFrame({"A": [1,2,2], "B": [2,3,1]})
>>> pd.algos.is_monotonic_int64(df.A.values, False)[0]
True
>>> pd.algos.is_monotonic_int64(df.B.values, False)[0]
False

所有这些函数都假定一个特定的输入数据类型，甚至 is_lexsorted，它假定输入是一个 int64 数组的列表。传递错误的 dtype，它真的很困惑：

In [32]: pandas.algos.is_lexsorted([np.array([-2, -1], dtype=np.int64)])
Out[32]: True
In [33]: pandas.algos.is_lexsorted([np.array([-2, -1], dtype=float)])
Out[33]: False
In [34]: pandas.algos.is_lexsorted([np.array([-1, -2, 0], dtype=float)])
Out[34]: True

我不完全确定为什么 Series 还没有某种短路 is_sorted。可能有些事情让它比看起来更棘手。

Answer 3

同时，从 0.19.0 开始，有 pandas.Series.is_monotonic_increasing、pandas.Series.is_monotonic_decreasing 和 pandas.Series.is_monotonic。

检查非索引列是否在 Pandas 中排序

Check whether non-index column sorted in Pandas

python

pandas