[Python] Pandas -정렬

 

 

In [1]:

import os
import numpy as np
import pandas as pd

 

In [2]:

os.getcwd() #현재 디렉토리 확인

 

Out[2]:

'/Users/limjongjun/Desktop/JayJay/Growth/Python/Class101_Pandas'

 

In [3]:

df1 = pd.read_csv('01_Contract_Data.csv') 
df1

 

Out[3]:

	Index	Member_ID	Sales_Type	Contract_Type	Channel	Datetime	Term	Payment_Type	Product_Type	Amount_Month	Customer_Type	Age	Address1	Address2	State	Overdue_count	Overdue_Type	Gender	Credit_Rank	Bank
0	1	66758234	렌탈	일반계약	영업방판	2019-05-06	60	CMS	DES-1	96900	개인	42.0	경기도	경기도	계약확정	0	없음	여자	9.0	새마을금고
1	2	66755948	렌탈	교체계약	영업방판	2020-02-20	60	카드이체	DES-1	102900	개인	39.0	경기도	경기도	계약확정	0	없음	남자	2.0	현대카드
2	3	66756657	렌탈	일반계약	홈쇼핑/방송	2019-02-28	60	CMS	DES-1	96900	개인	48.0	경기도	경기도	계약확정	0	없음	여자	8.0	우리은행
3	4	66423450	멤버십	멤버십3유형	재계약	2019-05-13	12	CMS	DES-1	66900	개인	39.0	경기도	경기도	계약확정	0	없음	남자	5.0	농협회원조합
4	5	66423204	멤버십	멤버십3유형	재계약	2019-05-10	12	CMS	DES-1	66900	개인	60.0	경기도	경기도	기간만료	12	있음	남자	8.0	농협회원조합
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
51296	51298	66579515	렌탈	프로모션계약	대형마트A	2019-03-01	60	CMS	DES-3A	96900	개인	47.0	경기도	경기도	계약확정	0	없음	남자	NaN	기업은행
51297	51299	66799558	렌탈	일반계약	대형마트A	2019-04-01	60	CMS	DES-1	96900	개인	42.0	경기도	경기도	계약확정	0	없음	여자	8.0	새마을금고
51298	51300	66799197	렌탈	프로모션계약	영업방판	2019-04-01	39	카드이체	ERA	120900	개인	65.0	서울특별시	서울특별시	계약확정	0	없음	여자	1.0	롯데카드
51299	51301	66792778	렌탈	일반계약	홈쇼핑/방송	2020-02-06	60	카드이체	DES-1	96900	개인	54.0	서울특별시	서울특별시	계약확정	0	없음	여자	2.0	롯데카드
51300	51302	66799607	렌탈	일반계약	홈쇼핑/방송	2019-04-24	60	CMS	DES-1	96900	개인	53.0	서울특별시	서울특별시	계약확정	0	없음	여자	8.0	신한은행

51301 rows × 20 columns

 

 

데이터 정렬¶

 

In [ ]:

df1.sort_values(by = 'Amount_Month', ascending= False) #ascending 옵션을 통해 오름/내림차순 정렬 

 

Out[ ]:

	Index	Member_ID	Sales_Type	Contract_Type	Channel	Datetime	Term	Payment_Type	Product_Type	Amount_Month	Customer_Type	Age	Address1	Address2	State	Overdue_count	Overdue_Type	Gender	Credit_Rank	Bank
19773	19775	25740247	렌탈	프로모션계약	전단홍보	2019-11-14	39	가상계좌	MMC	215700	사업자	NaN	경상도	경상도	계약확정	0	없음	여자	NaN	NaN
28147	28149	25704137	렌탈	프로모션계약	전단홍보	2019-07-25	39	CMS	MMC	215700	사업자	NaN	경상도	경상도	계약확정	0	없음	여자	NaN	국민은행
19413	19415	25710320	렌탈	프로모션계약	영업방판	2020-01-29	39	CMS	MMC	215700	사업자	NaN	경기도	경기도	계약확정	0	없음	여자	NaN	기업은행
19412	19414	25710321	렌탈	프로모션계약	영업방판	2019-09-15	39	CMS	MMC	215700	사업자	NaN	경기도	경기도	계약확정	0	없음	여자	NaN	기업은행
37522	37524	25733781	렌탈	프로모션계약	영업방판	2020-07-02	39	CMS	MMC	215700	사업자	NaN	경기도	경기도	계약확정	0	없음	여자	NaN	기업은행
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
45304	45306	66793756	멤버십	멤버십2유형	전문매장H	2019-10-07	36	무통장	DES-1	54603	개인	NaN	충청도	충청도	계약확정	0	없음	여자	NaN	NaN
50428	50430	66797402	멤버십	멤버십2유형	전문매장H	2019-12-27	36	무통장	DES-1	54603	개인	NaN	경기도	경기도	계약확정	0	없음	여자	NaN	NaN
45302	45304	66793342	멤버십	멤버십2유형	전문매장H	2019-04-03	36	무통장	DES-1	54603	개인	NaN	강원도	강원도	계약확정	0	없음	여자	NaN	NaN
41153	41155	66790864	멤버십	멤버십2유형	전문매장H	2019-02-16	36	무통장	DES-1	54603	개인	NaN	경기도	경기도	계약확정	0	없음	여자	NaN	NaN
39373	39375	66788207	멤버십	멤버십2유형	전문매장H	2020-05-11	36	무통장	DES-1	54603	개인	NaN	제주도	제주도	계약확정	0	없음	여자	NaN	NaN

51301 rows × 20 columns

 

In [ ]:

df1.sort_values(by = ['Amount_Month', 'Age'], ascending= False) #정렬 기준이 복수개일때 by 옵션에 list  형태로 입력

 

Out[ ]:

	Index	Member_ID	Sales_Type	Contract_Type	Channel	Datetime	Term	Payment_Type	Product_Type	Amount_Month	Customer_Type	Age	Address1	Address2	State	Overdue_count	Overdue_Type	Gender	Credit_Rank	Bank
38497	38499	25734005	렌탈	프로모션계약	영업방판	2019-06-05	39	CMS	MMC	215700	사업자	58.0	전라도	전라도	계약확정	0	없음	남자	1.0	농협중앙회
44838	44840	25732681	렌탈	프로모션계약	영업방판	2020-04-12	39	CMS	MMC	215700	사업자	51.0	경상도	경상도	계약확정	2	있음	여자	NaN	우체국
44839	44841	25732681	렌탈	프로모션계약	영업방판	2020-04-18	39	CMS	MMC	215700	사업자	51.0	경상도	경상도	계약확정	2	있음	여자	NaN	우체국
44840	44842	25732681	렌탈	프로모션계약	영업방판	2020-06-01	39	CMS	MMC	215700	사업자	51.0	경상도	경상도	계약확정	2	있음	여자	NaN	우체국
5399	5400	25742182	렌탈	프로모션계약	영업방판	2019-05-18	39	CMS	MMC	215700	사업자	NaN	경기도	경기도	계약확정	1	있음	여자	NaN	신한은행
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
51210	51212	66799109	멤버십	멤버십2유형	전문매장H	2019-09-04	36	무통장	DES-1	54603	개인	NaN	경상도	부산광역시	계약확정	0	없음	여자	NaN	NaN
51277	51279	66799700	멤버십	멤버십2유형	전문매장H	2019-02-24	36	무통장	DES-1	54603	개인	NaN	경기도	인천광역시	계약확정	0	없음	여자	NaN	NaN
51280	51282	66799156	멤버십	멤버십2유형	전문매장H	2019-03-10	36	무통장	DES-1	54603	개인	NaN	전라도	광주광역시	계약확정	0	없음	여자	NaN	NaN
51284	51286	66799094	멤버십	멤버십2유형	전문매장H	2019-02-24	36	무통장	DES-1	54603	개인	NaN	서울특별시	서울특별시	계약확정	0	없음	여자	NaN	NaN
51290	51292	66798812	멤버십	멤버십2유형	전문매장H	2020-01-28	36	무통장	DES-1	54603	개인	NaN	경기도	경기도	계약확정	0	없음	여자	NaN	NaN

51301 rows × 20 columns

 

In [ ]:

df1.sort_values(by = ['Amount_Month', 'Overdue_count'], ascending= [False, True]) #정렬 기준이 복수개 일때, 정렬 기준을 각각 적용

 

Out[ ]:

	Index	Member_ID	Sales_Type	Contract_Type	Channel	Datetime	Term	Payment_Type	Product_Type	Amount_Month	Customer_Type	Age	Address1	Address2	State	Overdue_count	Overdue_Type	Gender	Credit_Rank	Bank
19412	19414	25710321	렌탈	프로모션계약	영업방판	2019-09-15	39	CMS	MMC	215700	사업자	NaN	경기도	경기도	계약확정	0	없음	여자	NaN	기업은행
19413	19415	25710320	렌탈	프로모션계약	영업방판	2020-01-29	39	CMS	MMC	215700	사업자	NaN	경기도	경기도	계약확정	0	없음	여자	NaN	기업은행
19773	19775	25740247	렌탈	프로모션계약	전단홍보	2019-11-14	39	가상계좌	MMC	215700	사업자	NaN	경상도	경상도	계약확정	0	없음	여자	NaN	NaN
19774	19776	25740247	렌탈	프로모션계약	전단홍보	2020-01-17	39	가상계좌	MMC	215700	사업자	NaN	경상도	경상도	계약확정	0	없음	여자	NaN	NaN
28147	28149	25704137	렌탈	프로모션계약	전단홍보	2019-07-25	39	CMS	MMC	215700	사업자	NaN	경상도	경상도	계약확정	0	없음	여자	NaN	국민은행
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
51277	51279	66799700	멤버십	멤버십2유형	전문매장H	2019-02-24	36	무통장	DES-1	54603	개인	NaN	경기도	인천광역시	계약확정	0	없음	여자	NaN	NaN
51280	51282	66799156	멤버십	멤버십2유형	전문매장H	2019-03-10	36	무통장	DES-1	54603	개인	NaN	전라도	광주광역시	계약확정	0	없음	여자	NaN	NaN
51284	51286	66799094	멤버십	멤버십2유형	전문매장H	2019-02-24	36	무통장	DES-1	54603	개인	NaN	서울특별시	서울특별시	계약확정	0	없음	여자	NaN	NaN
51290	51292	66798812	멤버십	멤버십2유형	전문매장H	2020-01-28	36	무통장	DES-1	54603	개인	NaN	경기도	경기도	계약확정	0	없음	여자	NaN	NaN
42145	42147	66791083	멤버십	멤버십2유형	전문매장H	2019-10-28	36	무통장	DES-1	54603	개인	NaN	충청도	충청도	계약확정	1	있음	여자	NaN	NaN

51301 rows × 20 columns

 

In [ ]:

#Amount_Month 값이 높으며, Age 높은 상위 100명의 고객 명단
df1.sort_values(by = ['Amount_Month', 'Age'], ascending = False).head(100)

 

Out[ ]:

	Index	Member_ID	Sales_Type	Contract_Type	Channel	Datetime	Term	Payment_Type	Product_Type	Amount_Month	Customer_Type	Age	Address1	Address2	State	Overdue_count	Overdue_Type	Gender	Credit_Rank	Bank
38497	38499	25734005	렌탈	프로모션계약	영업방판	2019-06-05	39	CMS	MMC	215700	사업자	58.0	전라도	전라도	계약확정	0	없음	남자	1.0	농협중앙회
44838	44840	25732681	렌탈	프로모션계약	영업방판	2020-04-12	39	CMS	MMC	215700	사업자	51.0	경상도	경상도	계약확정	2	있음	여자	NaN	우체국
44839	44841	25732681	렌탈	프로모션계약	영업방판	2020-04-18	39	CMS	MMC	215700	사업자	51.0	경상도	경상도	계약확정	2	있음	여자	NaN	우체국
44840	44842	25732681	렌탈	프로모션계약	영업방판	2020-06-01	39	CMS	MMC	215700	사업자	51.0	경상도	경상도	계약확정	2	있음	여자	NaN	우체국
5399	5400	25742182	렌탈	프로모션계약	영업방판	2019-05-18	39	CMS	MMC	215700	사업자	NaN	경기도	경기도	계약확정	1	있음	여자	NaN	신한은행
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
46925	46927	66794997	렌탈	프로모션계약	영업방판	2019-08-31	39	CMS	MMC	185700	개인	38.0	충청도	충청도	계약확정	0	없음	남자	7.0	국민은행
50019	50021	66798682	렌탈	프로모션계약	영업방판	2019-02-23	39	카드이체	MMC	185700	개인	38.0	경기도	경기도	계약확정	0	없음	남자	7.0	현대카드
50261	50263	66798549	렌탈	프로모션계약	영업방판	2019-10-24	39	카드이체	MMC	185700	개인	38.0	서울특별시	서울특별시	계약확정	0	없음	남자	1.0	NH농협카드
7584	7585	66763648	렌탈	프로모션계약	영업방판	2019-07-13	39	카드이체	MMC	185700	개인	37.0	경상도	경상도	계약확정	0	없음	여자	5.0	롯데카드
50381	50383	66798387	렌탈	프로모션계약	영업방판	2019-02-24	39	카드이체	MMC	185700	개인	37.0	경기도	경기도	계약확정	0	없음	남자	3.0	롯데카드

100 rows × 20 columns

 

In [ ]:

# 4개 항목 추출 -> Term 값에 대해 내림차순 정렬 -> 상위 10개의 데이터 확인
df1[['Sales_Type','Term','Product_Type','Overdue_count']]\
                                 .sort_values(by = 'Term', ascending=False ).head(10) #\를 통해 줄바꿈 가능

 

Out[ ]:

	Sales_Type	Term	Product_Type	Overdue_count
0	렌탈	60	DES-1	0
31847	렌탈	60	DES-1	0
31849	렌탈	60	DES-1	0
31850	렌탈	60	DES-1	0
31851	렌탈	60	DES-1	11
31852	렌탈	60	DES-1	0
31853	렌탈	60	DES-2	0
31854	렌탈	60	DES-1	0
31855	렌탈	60	DES-1	0
31857	렌탈	60	DES-1	0