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，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、按單個列的值排序

sort_values()中設(shè)置單個列的列名，可以對單個列進(jìn)行排序，通過設(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("按多個列排序:\n", df.sort_values(['years', 'B']), '\n')

out：

按多個列排序:
? ? ?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、降序來排序：

years列為升序，B列為降序。

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

out：

按多個列排序:
? ? ?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)建新的對象，直接對原始對象進(jìn)行修改；默認(rèn)是False，即創(chuàng)建新的對象進(jìn)行修改，原對象不變，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