一文搞懂Pandas数据排序

　　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