数据分析之pandas数据排列【sort_values()、sort_index()】

Pandas 支持三种排序方式，按索引标签排序，按列里的值排序，按两种方式混合排序。

按值排序：sort_values()

• Series.sort_values() 方法用于按值对 Series 排序。
• DataFrame.sort_values() 方法用于按行列的值对 DataFrame 排序。

df 相关参数：

• by ：行名/列名 多字段排序时 by =['字段一', '字段二'])
• axis ：默认按列排序。如果axis=0，那么by="列名"； 如果axis=1，那么by="行名"；
• ascending： True/False，默认True。多字段排序时可以是[True,False]，即第一字段升序，第二个降序
• inplace：True/False。 是否在原有数据上进行修改 。
• 当 inplace = False 时，返回为修改过的数据，原数据不变。
• 当 inplace = True 时，返回值为 None，直接在原数据上进行操作。
• kind： 排序方法
• na_position ： {'first', 'last'}, default 'last'，默认缺失值排在最后面

相关示例

参数： inplace

df = pd.DataFrame(np.arange(8).reshape(4, 2))
print(df)
print("*"*20)

df.sort_values(by=1, ascending=False, inplace=False)
print(df)
print("*"*20)

df.sort_values(by=1, ascending=False, inplace=True)
print(df)

输出：
   0  1
0  0  1
1  2  3
2  4  5
3  6  7
********************
   0  1
0  0  1
1  2  3
2  4  5
3  6  7
********************
   0  1
3  6  7
2  4  5
1  2  3
0  0  1

参数：axis、by、ascending

df = pd.DataFrame(np.arange(8).reshape(4, 2))
print(df)
print("*"*20)

df.sort_values(by=1, ascending=False, inplace=True)
print(df)
print("*"*20)

df.sort_values(by=2, axis=1, ascending=False, inplace=True)
print(df)

输出：
   0  1
0  0  1
1  2  3
2  4  5
3  6  7
********************
   0  1
3  6  7
2  4  5
1  2  3
0  0  1
********************
   1  0
3  7  6
2  5  4
1  3  2
0  1  0

按索引排序：sort_index()

Series.sort_index()与 DataFrame.sort_index() 方法用于按索引层级对 Pandas 对象排序。
相关参数

• axis：
• level：默认None，
• ascending：默认True
• inplace：默认False
• kind：
• na_position：
• by：

df = pd.DataFrame(np.arange(6).reshape(3, 2))
print(df)
print("*"*20)

df.sort_index(ascending=False, axis=1, inplace=True)
print(df)

df.sort_index(ascending=False, axis=0, inplace=True)
print(df)

   0  1
0  0  1
1  2  3
2  4  5
********************
   1  0
0  1  0
1  3  2
2  5  4

   1  0
2  5  4
1  3  2
0  1  0

nan值和多列排序

df = pd.DataFrame(np.array([[1, 4, 2, 3, ], [3, 2, np.nan, 6], [0, 2, 2, 4]]))
print(df)
df.sort_values(by=[1, 3], ascending=[False, True], inplace=True,)
print(df)

df.sort_values(by=2, na_position='first', inplace=True,)
print(df)

输出
 0    1    2    3
0  1.0  4.0  2.0  3.0
1  3.0  2.0  NaN  6.0
2  0.0  2.0  2.0  4.0

     0    1    2    3
0  1.0  4.0  2.0  3.0
2  0.0  2.0  2.0  4.0
1  3.0  2.0  NaN  6.0

     0    1    2    3
1  3.0  2.0  NaN  6.0
0  1.0  4.0  2.0  3.0
2  0.0  2.0  2.0  4.0

Original: https://blog.csdn.net/qq_40926887/article/details/124225665
Author: 捌椒
Title: 数据分析之pandas数据排列【sort_values()、sort_index()】