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

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

按任一轴上的值排序。

参数：

by：str 或 str 列表

要排序的名称或名称列表。

如果 axis 为 0 或 ‘index’ 则 by 可能包含索引级别和/或列标签。
如果 axis 为 1 或 ‘columns’ 则 by 可能包含列级别和/或索引标签。

axis：{0 或 ‘index’，1 或 ‘columns’}，默认 0

要排序的轴。

ascending：bool 或 bool 列表，默认为 True

升序与降序排序。指定多个排序顺序的列表。如果这是一个布尔列表，则必须匹配 by 的长度。

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。

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

在排序之前将键函数应用于值。这与内置sorted() 函数中的key 参数类似，但显著的区别是该key 函数应该被矢量化。它应该期望 Series 并返回与输入具有相同形状的系列。它将独立应用于by 中的每一列。

DataFrame 或无

具有排序值的 DataFrame 或 None 如果 inplace=True 。

例子：

>>> df = pd.DataFrame({
...     'col1':['A', 'A', 'B', np.nan, 'D', 'C'],
...     'col2':[2, 1, 9, 8, 7, 4],
...     'col3':[0, 1, 9, 4, 2, 3],
...     'col4':['a', 'B', 'c', 'D', 'e', 'F']
... })
>>> df
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F

按 col1 排序

>>> df.sort_values(by=['col1'])
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
5    C     4     3    F
4    D     7     2    e
3  NaN     8     4    D

按多列排序

>>> df.sort_values(by=['col1', 'col2'])
  col1  col2  col3 col4
1    A     1     1    B
0    A     2     0    a
2    B     9     9    c
5    C     4     3    F
4    D     7     2    e
3  NaN     8     4    D

降序排序

>>> df.sort_values(by='col1', ascending=False)
  col1  col2  col3 col4
4    D     7     2    e
5    C     4     3    F
2    B     9     9    c
0    A     2     0    a
1    A     1     1    B
3  NaN     8     4    D

将 NA 放在首位

>>> df.sort_values(by='col1', ascending=False, na_position='first')
  col1  col2  col3 col4
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F
2    B     9     9    c
0    A     2     0    a
1    A     1     1    B

使用键函数排序

>>> df.sort_values(by='col4', key=lambda col:col.str.lower())
   col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F

使用 natsort <https://github.com/SethMMorton/natsort> 包，使用 key 参数进行自然排序。

>>> df = pd.DataFrame({
...    "time":['0hr', '128hr', '72hr', '48hr', '96hr'],
...    "value":[10, 20, 30, 40, 50]
... })
>>> df
    time  value
0    0hr     10
1  128hr     20
2   72hr     30
3   48hr     40
4   96hr     50
>>> from natsort import index_natsorted
>>> df.sort_values(
...    by="time",
...    key=lambda x:np.argsort(index_natsorted(df["time"]))
... )
    time  value
0    0hr     10
3   48hr     40
2   72hr     30
4   96hr     50
1  128hr     20

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_values。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：