来源：AI入门学习

作者：小伍哥

数据排序，是使用非常高频的功能，Pandas排序支持做的非常好，主要涉及两个函数，两种数据类型，组合起来四种情况。

Series排序

• Series.sort_index 索引排序
• Series.sort_values 值引排序

DataFrame排序

• DataFrame.sort_index 索引排序
• DataFrame.sort_values 值引排序

一、Series的排序

1、sort_index 索引排序

定义一个Series用于实验

s = Series([4,1,2,3],index=['d','a','c','b'])
d    4
a    1
c    2
b    3

对Series的索引进行升序排序，默认即可，无需使用其他参数

s.sort_index()
a    1
b    3
c    2
d    4

对Series的索引进行降序排序，使用ascending=False参数

s.sort_index(ascending=False)
d    4
c    2
b    3
a    1

2、sort_values 值引排序

用 法：

Series.sort_values(ascending=True, inplace=Flase)

参数：

• ascending：默认为True升序排列，为Flase降序排序
• inplace：是否修改原始的Series

对Series的值进行升序排序，默认即可，无需使用其他参数

s.sort_values()
a    1
c    2
b    3
d    4

对Series的值进行降序排序，使用ascending=False参数

s.sort_values(ascending=False)
d    4
b    3
c    2
a    1

二、 DataFrame的排序

1、sort_index 索引排序

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

• by：按照某一列或几列数据进行排序，但是by参数貌似不建议使用
• axis：0按照行名排序；1按照列名排序
• level：默认None，否则按照给定的level顺序排列---貌似并不是，文档
• ascending：默认True升序排列；False降序排列
• inplace：默认False，否则排序之后的数据直接替换原来的数据框
• kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太关心。
• na_position：缺失值默认排在最后{"first","last"}

构建数据集

import numpy  as np
import pandas as pd
data = pd.DataFrame( np.arange(9).reshape(3,3),
                 index   = ["0","2","1"],
                 columns = ["col_a","col_c","col_b"])
data
   col_a  col_c  col_b
0      0      1      2
2      3      4      5
1      6      7      8

按行的索引升序进行排序，默认按行，升序

data.sort_index()
   col_a  col_c  col_b
0      0      1      2
1      6      7      8
2      3      4      5

按行的索引按降序进行排序

data.sort_index(ascending=False)
   col_a  col_c  col_b
2      3      4      5
1      6      7      8
0      0      1      2

按列升序的索引进行排序

data.sort_index(axis=1)
Out[10]: 
   col_a  col_c  col_b
0      0      1      2
1      6      7      8
2      3      4      5

2、sort_values 值引排序

用 法：

DataFrame.sort_values(
by, 
axis=0, 
ascending=True, 
inplace=False,
kind='quicksort', 
na_position='last')

参 数：

• by：字符串或者List<字符串>；如果axis=0，那么by="列名"；如果axis=1，那么by="行名"。
• axis：{0 or ‘index’, 1 or ‘columns’}, default 0，默认按照列排序，即纵向排序；如果为1，则是横向排序。
• ascending：布尔型，True则升序，如果by=['列名1','列名2']，则该参数可以是[True, False]，即第一字段升序，第二个降序。
• inplace：布尔型，是否用排序后的数据框替换现有的数据框。
• kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太关心。
• na_position：{‘first’, ‘last’}, default ‘last’，默认缺失值排在最后面。

构建实验用数据

data =pd.DataFrame([[2,3,12],[6,2,8],[9,5,7]], 
                 index=["0", "2", "1"], 
                 columns=["col_a", "col_c", "col_b"])
   col_a  col_c  col_b
0      2      3     12
2      6      2      8
1      9      5      7

按指定列的值大小顺序进行排序

data.sort_values(by='col_c')
   col_a  col_c  col_b
2      6      2      8
0      2      3     12
1      9      5      7

按多列进行排序

data.sort_values(by=['col_b','col_a'])
   col_a  col_c  col_b
1      9      5      7
2      6      2      8
0      2      3     12

先按col_b列降序，再按col_a列升序排序

data.sort_values(by=['col_b','col_a'],axis=0,ascending=[False,True]) 
   col_a  col_c  col_b
0      2      3     12
2      6      2      8
1      9      5      7

按行升序排列

data.sort_values(by='2',axis=1) 
    col_c  col_a  col_b
0      3      2     12
2      2      6      8
1      5      9      7

按 2行 升序，0行降排列

data.sort_values(by=['2','0'],axis=1) 
   col_c  col_a  col_b
0      3      2     12
2      2      6      8
1      5      9      7