10、pandas:排序sort_values、index_values

1、 sort_values() 对DataFrame某列或者多列的值进行排序

1.1基本语法

DataFrame.sort_values(by, 
               axis=0, 
               ascending=True, 
               inplace=False, 
               kind='quicksort', 
               na_position='last', # last,first;默认是last
               ignore_index=False, 
               key=None)
                       
**参数:**

by: 表示根据某字段、某列来进行排序,可以是一个或者是多个

axis: 是水平方向排序还是垂直方向排序,默认是垂直方向 axis=0,垂直方向;axis=1,水平方向

ascending: 排序方式,是升序还是降序来排

inplace: 是生成新的DataFrame还是在原数据上进行修改,True 为在原数据上修改

kind: 所用到的排序的算法,有快排quicksort或者是归并排序mergesort、堆排序heapsort等等

ignore_index: 是否对行索引进行重新的排序

1.2常用示例

df.sort_values(by=['age'])   
df.sort_values(['age'])   #by可以省略
df.sort_values(by=['age','height']) #根据多列进行排序 ,把列放到列表里
df.sort_values(by=['age'],ascending=True) #升序
df.sort_values(by=['age','height'],ascending= [False,True])  #不同列不同排序方式
df.sort_values(by=['age'],inplace=True)  #原数据上直接修改
df.sort_values(by=['age'],ignore_index=True) #对行索引重新排序

2、 sort_index() 索引排序

2.1基本语法

DataFrame.sort_index( axis=0, 
               level=None,    
               ascending=True, 
               inplace=False, 
               kind='quicksort', 
               na_position='last',
               sort_remaining=True
               ignore_index=False, 
               key=None)
**参数:**

axis: 是水平方向排序还是垂直方向排序,默认是垂直方向 axis=0,垂直方向;axis=1,水平方向

level: 第几层索引

ascending: 排序方式,是升序还是降序来排

inplace: 是生成新的DataFrame还是在原数据上进行修改,True 为在原数据上修改

kind: 所用到的排序的算法,有快排quicksort或者是归并排序mergesort、堆排序heapsort等等

na_position:'first, last, 默认为last; first把NaNs放在开头,last把NaNs放在后面

ignore_index: 是否对行索引进行重新的排序

2.2常用示例

#根据第二层索引排序
data.sort_index(level=2)
data.sort_index(ascending=True)
data.sort_index(axis=1)
data.sort_index(axis=0,level=1,ascending=True,inplace=True)

你可能感兴趣的:(Python数据分析,数据分析)