DataFrame.sort_values(by,axis=0,ascending=True,inplace=False,kind="quicksort",na_position="last",ignore_index=False)
"""
by:要排序的名稱列表
axis:軸，0表示行，1表示列
ascending：升序或者降序排列,默認是True，升序
inplace:是否直接在數據上修改，True為直接修改df,False為副本
kind:指定排序算法，
na_position：空值(NaN)的位置，值為first空值在數據開頭，值為last空值在數據最后。
ignore_index:布爾值，是否忽略索引，值為True標記索引（從0開始順序的整數值），False則忽略索引
"""

import pandas as pd
exelFile="C:\\Users\\Administrator\\Desktop\\python數據分析Code\\Code\\03\\46\\mrbook.xlsx"
df=pd.DataFrame(pd.read_excel(exelFile))
pd.set_option('display.max_rows',1000)#設置展示最高行數
pd.set_option('display.max_columns',1000)#設置展示最高列數
pd.set_option('display.unicode.east_asian_width',True)
pd.set_option("display.unicode.ambiguous_as_wide",True)
#按“銷量”列降序排序
df1=df.sort_values(by="銷量",ascending=False)
print(df1)

#先按照圖書名稱降序排列，再按照銷量降序排列
df2=df.sort_values(by=["圖書名稱","銷量"])

df3=df.groupby(["類別"])["銷量"].sum().reset_index()
df4=df3.sort_values(by="銷量",ascending=False)
print(df4)

DataFrame.rank(axis-0,method="average",numeric_only=None,na_option="keep",ascending=True,,pct=False)
"""
axis:軸，0表示行，1表示列
method:表示在相同值的情況下所使用的排序方法，參數如下：average:默認值，平均值排名；min:最小值排名；max:最大值排名；first：按第一次出現的順序排列；dense:密集排序，類似于最小值排序，，但排名每次只增加1，相同排名的數據只只占據一個名詞。
numeric_only:對于DataFrame，如果設置值為True,并只對數字列進行排序。
ascending：升序或者降序排列，默認值為True
pct：布爾值，是否以百分比形式返回排名，默認值為False
"""

#先排序
df=df.sort_values(by="銷量",ascending=False)
#按照順序排名的平均值進行平均排名
df["順序排名"]=df["銷量"].rank(ascending=False)

#先排序
df=df.sort_values(by="銷量",ascending=False)
df["順序排名"]=df["銷量"].rank(method="first",ascending=False)

#先排序
df=df.sort_values(by="銷量",ascending=False)
df["順序排名"]=df["銷量"].rank(method="min",ascending=False)

#先排序
df=df.sort_values(by="銷量",ascending=False)
df["順序排名"]=df["銷量"].rank(method="max",ascending=False)