pandas dataframe dataframe.sort-ag捕鱼王app官网

pandas dataframe.sort_values() 方法将调用者 dataframe 沿任一索引的指定列中的值按升序或降序排序。

pandas.dataframe.sort_values() 语法

dataframe.sort_values(
    by,
    axis=0,
    ascending=true,
    inplace=false,
    kind="quicksort",
    na_position="last",
    ignore_index=false,
)

参数

返回值

如果 inplace 为 true，则返回排序后的 dataframe；否则为 none。

示例代码：使用 pandas 对 dataframe 进行排序 pandas.dataframe.sort_values() 基于单列进行排序

import pandas as pd
dates=['april-10', 
       'april-11', 
       'april-12', 
       'april-13',
       'april-14',
       'april-16']
sales=[200,300,400,200,300,300]
prices=[3, 1, 2, 4,3,2]
df = pd.dataframe({'date':dates ,
                   'sales':sales ,
                   'price': prices})
print("before sorting:")
print(df)
sorted_df=df.sort_values(by=['price'])
print("after sorting:")
print(sorted_df)

输出：

before sorting:
       date  sales  price
0  april-10    200      3
1  april-11    300      1
2  april-12    400      2
3  april-13    200      4
4  april-14    300      3
5  april-16    300      2
after sorting:
       date  sales  price
       date  sales  price
1  april-11    300      1
2  april-12    400      2
5  april-16    300      2
0  april-10    200      3
4  april-14    300      3
3  april-13    200      4

它根据 price 列中的值按升序（默认）对 dataframe df 进行排序。

排序后的 dataframe 中的索引与原始 dataframe 中的索引保持一致。

如果你喜欢在排序后的 dataframe 中使用新的索引列，那么你可以设置 ignore_index（从 1.0.0 版本引入）为 true。

import pandas as pd
dates = ["april-10", "april-11", "april-12", "april-13", "april-14", "april-16"]
sales = [200, 300, 400, 200, 300, 300]
prices = [3, 1, 2, 4, 3, 2]
df = pd.dataframe({"date": dates, "sales": sales, "price": prices})
print("before sorting:")
print(df)
sorted_df = df.sort_values(by=["price"], ignore_index=true)
print("after sorting:")

输出：

before sorting:
       date  sales  price
0  april-10    200      3
1  april-11    300      1
2  april-12    400      2
3  april-13    200      4
4  april-14    300      3
5  april-16    300      2
after sorting:
       date  sales  price
0  april-11    300      1
1  april-12    400      2
2  april-16    300      2
3  april-10    200      3
4  april-14    300      3
5  april-13    200      4

在这里，我们使用 ignore_index=true 为行分配新的索引，并忽略原来 dataframe 的索引。

示例代码：使用 pandas dataframe.sort_values() 基于多列对 dataframe 进行排序

import pandas as pd
dates=['april-10', 
       'april-11', 
       'april-12', 
       'april-13',
       'april-14',
       'april-16']
sales=[200,300,400,200,300,300]
prices=[3, 1, 2, 4,3,2]
df = pd.dataframe({'date':dates ,
                   'sales':sales ,
                   'price': prices})
print("before sorting:")
print(df)
df.sort_values(by=['sales','price'],
               ignore_index=true,
               inplace=true)
print("after sorting:")
print(df)

输出：

before sorting:
       date  sales  price
0  april-10    200      3
1  april-11    300      1
2  april-12    400      2
3  april-13    200      4
4  april-14    300      3
5  april-16    300      2
after sorting:
       date  sales  price
0  april-10    200      3
1  april-13    200      4
2  april-11    300      1
3  april-16    300      2
4  april-14    300      3
5  april-12    400      2

在这里，首先按升序对 sales 进行排序，然后对每个 sales 的 price 也按升序进行排序。

在 df 中，200 是 sales 列的最小值，3 是 sales 值为 200 的 price 列的最小值。

所以，sales 列中有 200，price 列中有 3 的行排在最前面。

由于 inplace=true，调用 sort_values() 函数后，原 dataframe 被就地修改。

示例代码：用 pandas dataframe.sort_values() 对 dataframe 进行降序排序

import pandas as pd
dates=['april-10', 
       'april-11', 
       'april-12', 
       'april-13',
       'april-14',
       'april-16']
sales=[200,300,400,200,300,300]
prices=[3, 1, 2, 4,3,2]
df = pd.dataframe({'date':dates ,
                   'sales':sales ,
                   'price': prices})
print("before sorting:")
print(df)
sorted_df=df.sort_values(by=['sales'],
                         ignore_index=true,
                         ascending=false)
print("after sorting:")
print(sorted_df)

输出：

before sorting:
       date  sales  price
0  april-10    200      3
1  april-11    300      1
2  april-12    400      2
3  april-13    200      4
4  april-14    300      3
5  april-16    300      2
after sorting:
       date  sales  price
0  april-12    400      2
1  april-11    300      1
2  april-14    300      3
3  april-16    300      2
4  april-10    200      3
5  april-13    200      4

它按照 sales 列的数值降序对 dataframe df 进行排序。

400 是 sales 列中的最大值，因此该条目将被置于顶端，其他行也将相应地进行排序。

示例代码：使用 pandas dataframe.sort_values() 对 dataframe 进行排序，将 nan 放在开头

import pandas as pd
dates=['april-10', 
       'april-11', 
       'april-12', 
       'april-13',
       'april-14',
       'april-16']
sales=[200,300,400,200,300,300]
prices=[3, 1, 2, 4,3,2]
df = pd.dataframe({'date':dates ,
                   'sales':sales ,
                   'price': prices})
print("before sorting:")
print(df)
sorted_df=df.sort_values(by=['price'],ignore_index=true,na_position='first')
print("after sorting:")
print(sorted_df)

输出：

before sorting:
       date  sales  price
0  april-10    200    nan
1  april-11    300    1.0
2  april-12    400    2.0
3  april-13    200    4.0
4  april-14    300    3.0
5  april-16    300    nan
after sorting:
       date  sales  price
0  april-10    200    nan
1  april-16    300    nan
2  april-11    300    1.0
3  april-12    400    2.0
4  april-14    300    3.0
5  april-13    200    4.0

在默认情况下，nan 值在排序后被放在 dataframe 的最后。

但是通过设置 na_position=first，我们可以将 nan 值放在 dataframe 的开头。