Python Pandas DataFrame sort_values方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[5,3,1,3],"B":["c","d","a","a"]})
df



   A  B
0  5  c
1  3  d
2  1  a
3  3  a

按列值排序

按列排序 A ：

df.sort_values("A")



   A  B
2  1  a
1  3  d
3  3  a
0  5  c

按多列排序

要按多列排序，请传入列标签列表：

df.sort_values(["A","B"])



   A  B
2  1  a
3  3  a
1  3  d
0  5  c

在这里，行首先按列 A 中的值排序。当存在重复值时，我们按 B 列中的值进行排序。这就是在这种情况下值 "a" 保证位于 "d" 之前的原因。

按行值排序

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[5,9,4],"B":[1,3,2]}, index=["a","b","c"])
df



   A  B
a  5  1 
b  9  3
c  4  2

要按行 "b" 中的值排序：

df.sort_values("b", axis=1)



   B  A
a  1  5
b  3  9
c  2  4

按降序排序

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[5,9,5],"B":[4,3,1]}, index=["a","b","c"])
df 



   A  B
a  5  4
b  9  3
c  5  1

默认情况下，值按升序排序。要按降序排序，请设置 ascending=False ：

df.sort_values("A", ascending=False)



   A  B
b  9  3
a  5  4
c  5  1

传递布尔值数组

如果要按多列排序，则可以传递布尔值列表来指定每列应如何排序。

df.sort_values(["A","B"], ascending=[False, True])



   A  B
b  9  3
c  5  1
a  5  4

在这里，我们按 A 列值降序排序，同时按 B 列升序排序。

指定na_position

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[pd.np.NaN,5,4]}, index=["a","b","c"])
df



   A
a  NaN
b  5.0
c  4.0

默认情况下， na_position="last" ，这意味着 NaN 放置在末尾：

df.sort_values(by="A")   # na_position="last"



   A
c  4.0
b  5.0
a  NaN

要将 NaN 放在开头：

df.sort_values(by="A", na_position="first")



   A
a  NaN
c  4.0
b  5.0

指定ignore_index

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[5,9,2]}, index=["a","b","c"])
df



   A
a  5
b  9
c  2

默认情况下，保留索引名称：

df.sort_values(by="A")



   A
c  2
a  5
b  9

通过设置 ignore_index=True ，我们可以重置索引：

df.sort_values(by="A", ignore_index=True)



   A
0  2
1  5
2  9