Nivel 4 · Los diez productos más caros

sort_values

sort_values ordena las filas de un DataFrame por una o más columnas:

products.sort_values("unit_price")                     # cheapest first
products.sort_values("unit_price", ascending=False)    # most expensive first

Como la mayoría de los métodos de pandas, devuelve un DataFrame nuevo y deja products como estaba.

Varias columnas, varias direcciones

Pasa una lista de columnas para ordenar por la primera y luego, dentro de los empates, por la segunda, y así sucesivamente. ascending también puede ser una lista, con una entrada por columna:

products.sort_values(["unit_price", "name"], ascending=[False, True])

Esto se lee: primero el precio más alto; entre productos con el mismo precio, de la A a la Z por nombre. Los empates son comunes: muchos productos cuestan $189 o $159. Sin un desempate, su orden depende de cómo se almacenaron las filas, así que dos ejecuciones con exportaciones ligeramente distintas podrían dar dos listas de los «10 mejores» distintas. Añade un desempate siempre que ordenes para un top-N, y usa una columna única (un nombre o un ID) como última clave para que el orden quede totalmente determinado.

Top N

Ordena y luego toma las primeras filas:

top10 = products.sort_values(["unit_price", "name"], ascending=[False, True]).head(10)

pandas también tiene products.nlargest(10, "unit_price"), que es rápido y eficiente. Ten en cuenta que mantiene los empates en su orden original en lugar de dejarte elegir un desempate, así que para informes donde el orden debe ser explícito, sort_values es más seguro.

Reinicia el índice para presentar

Después de ordenar, las etiquetas del índice siguen unidas a sus filas originales: el producto más caro podría tener la etiqueta 0, el siguiente la 17 y luego la 14. Para un ranking, la gente espera un índice limpio de 0 a 9:

top10.reset_index(drop=True)

drop=True tira las etiquetas antiguas. Sin él, se convierten en una columna nueva llamada index.

Encadenar métodos

Varios pasos escritos como una cadena, envueltos entre paréntesis para poder poner un paso por línea, se leen de arriba abajo como una receta:

result = (
    products
    .sort_values(["unit_price", "name"], ascending=[False, True])
    .head(10)
    [["name", "category", "unit_price"]]
    .reset_index(drop=True)
)

Seleccionar las columnas antes o después de head da el mismo resultado; solo asegúrate de ordenar por columnas que sigan ahí.

Ordenar texto y valores que faltan

El texto se ordena alfabéticamente, con las mayúsculas antes que las minúsculas ("Zebra" antes que "apple"), una razón más para limpiar primero las mayúsculas y minúsculas. Los valores que faltan van al final por defecto, sea cual sea la dirección; na_position="first" lo cambia.

Errores comunes

• Usar ascending=False solo con dos columnas, lo que ordena también los nombres de la Z a la A.
• Tomar .head(10) antes de ordenar, lo que da las diez primeras filas de la tabla, no los diez mejores.
• Olvidar drop=True en reset_index y obtener una columna index de más.