前言：

pandas中排序的幾種常用方法，主要包括sort_index和sort_values。

基礎(chǔ)數(shù)據(jù)：

import pandas as pd
import numpy as np
data = {
    'brand':['Python', 'C', 'C++', 'C#', 'Java'],
    'B':[4,6,8,12,10],
    'A':[10,2,5,20,16],
    'D':[6,18,14,6,12],
    'years':[4,1,1,30,30],
    'C':[8,12,18,8,2]
}
index = [9,3,4,5,2]
df = pd.DataFrame(data=data, index = index)
print("df數(shù)據(jù)：\n", df, '\n')

out：

df數(shù)據(jù)：
     A   B   C   D   brand  years
9  10   4   8   6  Python      4
3   2   6  12  18       C      1
4   5   8  18  14     C++      1
5  20  12   8   6      C#     30
2  16  10   2  12    Java     30 

按行索引排序：

print("按行索引排序:\n", df.sort_index(), '\n')

out：

按行索引排序:
     A   B   C   D   brand  years
2  16  10   2  12    Java     30
3   2   6  12  18       C      1
4   5   8  18  14     C++      1
5  20  12   8   6      C#     30
9  10   4   8   6  Python      4

通過(guò)設(shè)置參數(shù)ascending可以設(shè)置升序或者降序排序，默認(rèn)情況下ascending=True，為升序排序。

設(shè)置ascending=False時(shí)，為降序排序。

print("按行索引降序排序:\n", df.sort_index(ascending=False), '\n')

out:

按行索引降序排序:
     A   B   C   D   brand  years
9  10   4   8   6  Python      4
5  20  12   8   6      C#     30
4   5   8  18  14     C++      1
3   2   6  12  18       C      1
2  16  10   2  12    Java     30

按列的名稱排序：

設(shè)置參數(shù)axis=1實(shí)現(xiàn)按列的名稱排序：

print("按列名稱排序:\n", df.sort_index(axis=1), '\n')

out：

按列名稱排序:
     A   B   C   D   brand  years
9  10   4   8   6  Python      4
3   2   6  12  18       C      1
4   5   8  18  14     C++      1
5  20  12   8   6      C#     30
2  16  10   2  12    Java     30

同樣，也可以設(shè)置ascending參數(shù)：

print("按列名稱排序:\n", df.sort_index(axis=1, ascending=False), '\n')

out：

按列名稱排序:
    years   brand   D   C   B   A
9      4  Python   6   8   4  10
3      1       C  18  12   6   2
4      1     C++  14  18   8   5
5     30      C#   6   8  12  20
2     30    Java  12   2  10  16

按數(shù)值排序：

sort_values()是pandas中按數(shù)值排序的函數(shù)：

1、按單個(gè)列的值排序

sort_values()中設(shè)置單個(gè)列的列名，可以對(duì)單個(gè)列進(jìn)行排序，通過(guò)設(shè)置ascending可以設(shè)置升序或者降序。

print("按列名稱A排序:\n", df.sort_values('A'), '\n')

out：

按列名稱排序:
     A   B   C   D   brand  years
3   2   6  12  18       C      1
4   5   8  18  14     C++      1
9  10   4   8   6  Python      4
2  16  10   2  12    Java     30
5  20  12   8   6      C#     30

設(shè)置ascending=False進(jìn)行降序排序：

print("按列名稱A降序排序:\n", df.sort_values('A', ascending=False), '\n')

out：

按列名稱A降序排序:
     A   B   C   D   brand  years
5  20  12   8   6      C#     30
2  16  10   2  12    Java     30
9  10   4   8   6  Python      4
4   5   8  18  14     C++      1
3   2   6  12  18       C      1

按多個(gè)列的值排序：

先按year列的數(shù)據(jù)進(jìn)行升序排序，year列相同的再看B列進(jìn)行升序排序

print("按多個(gè)列排序:\n", df.sort_values(['years', 'B']), '\n')

out：

按多個(gè)列排序:
     A   B   C   D   brand  years
3   2   6  12  18       C      1
4   5   8  18  14     C++      1
9  10   4   8   6  Python      4
2  16  10   2  12    Java     30
5  20  12   8   6      C#     30 

也可以分別設(shè)置列的升序、降序來(lái)排序：

years列為升序，B列為降序。

print("按多個(gè)列排序:\n", df.sort_values(['years', 'B'], ascending=[True, False]), '\n')

out：

按多個(gè)列排序:
     A   B   C   D   brand  years
4   5   8  18  14     C++      1
3   2   6  12  18       C      1
9  10   4   8   6  Python      4
5  20  12   8   6      C#     30
2  16  10   2  12    Java     30

inplace使用：

inplace=True：不創(chuàng)建新的對(duì)象，直接對(duì)原始對(duì)象進(jìn)行修改；默認(rèn)是False，即創(chuàng)建新的對(duì)象進(jìn)行修改，原對(duì)象不變，和深復(fù)制和淺復(fù)制有些類似。

df.sort_values('A', inplace=True)
print("按A列排序:\n", df, '\n')

out:

按A列排序:
     A   B   C   D   brand  years
3   2   6  12  18       C      1
4   5   8  18  14     C++      1
9  10   4   8   6  Python      4
2  16  10   2  12    Java     30
5  20  12   8   6      C#     30

缺失值：

含有nan值的數(shù)據(jù)排序：

data = {
    'brand':['Python', 'C', 'C++', 'C#', 'Java'],
    'B':[4,6,8,np.nan,10],
    'A':[10,2,5,20,16],
    'D':[6,18,14,6,12],
    'years':[4,1,1,30,30],
    'C':[8,12,18,8,2]
}
index = [9,3,4,5,2]
df = pd.DataFrame(data=data, index = index)
print("df數(shù)據(jù)：\n", df, '\n')

out:

df數(shù)據(jù)：
     A     B   C   D   brand  years
9  10   4.0   8   6  Python      4
3   2   6.0  12  18       C      1
4   5   8.0  18  14     C++      1
5  20   NaN   8   6      C#     30
2  16  10.0   2  12    Java     30

B列含有nan值，對(duì)B列進(jìn)行排序，缺失值排在最前面：

print("按B列排序:\n", df.sort_values('B', na_position='first'), '\n')

按B列排序:
     A     B   C   D   brand  years
5  20   NaN   8   6      C#     30
9  10   4.0   8   6  Python      4
3   2   6.0  12  18       C      1
4   5   8.0  18  14     C++      1
2  16  10.0   2  12    Java     30

包含缺失值，缺失值排在最后：

print("按B列排序:\n", df.sort_values('B', na_position='last'), '\n')

out：

按B列排序:
     A     B   C   D   brand  years
9  10   4.0   8   6  Python      4
3   2   6.0  12  18       C      1
4   5   8.0  18  14     C++      1
2  16  10.0   2  12    Java     30
5  20   NaN   8   6      C#     30

到此這篇關(guān)于python pandas 數(shù)據(jù)排序的幾種常用方法的文章就介紹到這了,更多相關(guān)python pandas內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論