Python pyspark Series.sort_index用法及代碼示例

本文簡要介紹 pyspark.pandas.Series.sort_index 的用法。

用法: Series.sort_index(axis: Union[int, str] = 0, level: Union[int, List[int], None] = None, ascending: bool = True, inplace: bool = False, kind: str = None, na_position: str = 'last') → Optional[pyspark.pandas.series.Series]

按標簽排序對象(沿軸)

參數：

axis：索引，列直接排序。目前，僅支持axis = 0。
level：int 或級別名稱或整數列表或級別名稱列表: 如果不是無，則對指定索引級別的值進行排序
ascending：布爾值，默認 True: 升序與降序排序
inplace：布爾值，默認為 False: 如果為真，就地執行操作
kind：str，默認無: pandas-on-Spark目前不允許指定排序算法，默認無
na_position：{‘first’, ‘last’}，默認 ‘last’: 首先將NaNs放在開頭，最後將NaNs放在末尾。未實現多索引。

sorted_obj：Series

例子：

>>> df = ps.Series([2, 1, np.nan], index=['b', 'a', np.nan])

>>> df.sort_index()
a      1.0
b      2.0
NaN    NaN
dtype: float64

>>> df.sort_index(ascending=False)
b      2.0
a      1.0
NaN    NaN
dtype: float64

>>> df.sort_index(na_position='first')
NaN    NaN
a      1.0
b      2.0
dtype: float64

>>> df.sort_index(inplace=True)
>>> df
a      1.0
b      2.0
NaN    NaN
dtype: float64

>>> df = ps.Series(range(4), index=[['b', 'b', 'a', 'a'], [1, 0, 1, 0]], name='0')

>>> df.sort_index()
a  0    3
   1    2
b  0    1
   1    0
Name: 0, dtype: int64

>>> df.sort_index(level=1)  
a  0    3
b  0    1
a  1    2
b  1    0
Name: 0, dtype: int64

>>> df.sort_index(level=[1, 0])
a  0    3
b  0    1
a  1    2
b  1    0
Name: 0, dtype: int64

相關用法

注：本文由純淨天空篩選整理自spark.apache.org大神的英文原創作品 pyspark.pandas.Series.sort_index。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：