Python pandas.DataFrame.sort_index用法及代码示例

用法: DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, ignore_index=False, key=None)

按标签(沿轴)对对象进行排序。

如果 inplace 参数为 False ，则返回按标签排序的新 DataFrame，否则更新原始 DataFrame 并返回 None。

参数：

axis：{0 或 ‘index’，1 或 ‘columns’}，默认 0

要排序的轴。值 0 标识行，1 标识列。

level：整数或级别名称或整数列表或级别名称列表

如果不是无，则对指定索引级别的值进行排序。

ascending：bool 或 list-like of bools，默认 True

升序与降序排序。当索引是 MultiIndex 时，可以单独控制每个级别的排序方向。

inplace：布尔值，默认为 False

如果为 True，则就地执行操作。

kind：{‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’}，默认 ‘quicksort’

排序算法的选择。另请参阅numpy.sort() 了解更多信息。 mergesort 和 stable 是唯一稳定的算法。对于 DataFrame，此选项仅在对单个列或标签进行排序时应用。

na_position：{‘first’, ‘last’}，默认 ‘last’

如果 first 则将 NaN 放在开头； last 将 NaN 放在最后。未针对 MultiIndex 实施。

sort_remaining：布尔值，默认为真

如果 True 并且按级别和索引排序是多级的，则在按指定级别排序后也按其他级别排序(按顺序)。

ignore_index：布尔值，默认为 False

如果为 True，则生成的轴将标记为 0、1、...、n - 1。

key：可调用的，可选的

如果不是 None，则在排序之前将 key 函数应用于索引值。这类似于key内置参数sorted()函数，显著的区别在于key函数应该向量化。它应该期待一个Index并返回一个Index相同的形状。对于 MultiIndex 输入，应用键每级.

DataFrame 或无

按标签排序的原始 DataFrame 或 None 如果 inplace=True 。

例子：

>>> df = pd.DataFrame([1, 2, 3, 4, 5], index=[100, 29, 234, 1, 150],
...                   columns=['A'])
>>> df.sort_index()
     A
1    4
29   2
100  1
150  5
234  3

默认升序排序，降序排序，使用ascending=False

>>> df.sort_index(ascending=False)
     A
234  3
150  5
100  1
29   2
1    4

可以指定一个键函数，该函数在排序之前应用于索引。对于MultiIndex，这将分别应用于每个级别。

>>> df = pd.DataFrame({"a":[1, 2, 3, 4]}, index=['A', 'b', 'C', 'd'])
>>> df.sort_index(key=lambda x:x.str.lower())
   a
A  1
b  2
C  3
d  4

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.DataFrame.sort_index。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：