Pandas 数据排序

给大家分享下在 Pandas 中排序的几种常用方法，主要包括 sort_index 和 sort_values 。

按索引排序

文中主要使用了 pandas 和 numpy ，首先导入 Python 库，如下：

import pandas as pd
import numpy as np
1
2

data = {
'brand':['Python 数 据 之 道 ',' 价 值 前 瞻 ',' 菜 鸟 数 据 之 道 ','Python','Java'],
 'B':[4,6,8,12,10],
 'A':[10,2,5,20,16],
 'D':[6,18,14,6,12],
 'years':[4,1,1,30,30],
 'C':[8,12,18,8,2],
 } 
 index = [9,3,4,5,2]

 df = pd.DataFrame(data=data,index=index)
 df
1
2
3
4
5
6
7
8
9
10
11
12

按行索引排序

sort_index() 是 pandas 中按索引排序的函数，默认情况下，sort_index 是按行索引来排序。

df.sort_index()
#sort_index() 是 pandas 中按索引排序的函数，
默认情况下，sort_index 是按行索引来排序
1
2
3

通过设置参数 ascending 可以设置升序或降序排列，默认情况下是 ascending=True ，为升序排列。
设置 ascending=False 时，为降序排列，如下：

df.sort_index(ascending=False)
1

按列的名称排序

通过设置参数 axis=1 可实现按列的名称排序，如下：

df.sort_index(axis=1)
1

同样的，可以设置参数 ascending 的值，如下：

df.sort_values('B',ascending=False)
1

按数值排序

sort_values() 是 pandas 中按数值排序的函数。

按单个列的值排序

sort_values() 中设置单个列的列名称，可以对单个列进行排序，通过设置参数 ascending 可以设置升序或
降序排列，如下：

df.sort_values('B')
1

按多个列的值排序

同时，sort_values() 可以对多个列进行不同的排序，通过设置列明和排序方式组合来实现，如下：

df.sort_values('B',ascending=False)
1

设置参数 ascending ，years 列为升序，B 列为降序，如下：

df.sort_values(['years','B'],ascending=[True,False])
1

inplace

inplace 是 pandas 中常见的一个参数。
inplace = True：不创建新的对象，直接对原始对象进行修改；默认是 False，即创建新的对象进行修改，原
对象不变，和深复制和浅复制有些类似。

df.sort_values('B',inplace=True)
df
1
2

Pandas 中将列（column）排序的方法

import pandas as pd
import akshare as ak
data = {
'brand':['Python 数 据 之 道 ',' 价 值 前 瞻 ',' 菜 鸟 数 据 之 道 ','Python','Java'],
'B':[4,6,8,12,10],
'A':[10,2,5,20,16],
'D':[6,18,14,6,12],
'years':[4,1,1,30,30],
'C':[8,12,18,8,2],
 } 
df = pd.DataFrame(data=data)
df
1
2
3
4
5
6
7
8
9
10
11
12

将列的名称按需要进行手动排序

然后运行代码如下：

df[['brand','A','B','C','D','years']]
1

df.loc[:,['brand','A','B','C','D','years']]
#使用 .loc 方法，通过列的名称来进行排序
1
2