pandas 排序 和 自定义排序

 pandas 自定义排序:  这个还是功能很强大的， 按照指定的顺序进行排序

import pandas as pd
#数据集
df = pd.DataFrame({'word':['a','b','c'], 'num':[2,1,3]})
#自定义排序顺序，此顺序对应为升序ascending=True
list_sorted = ['b', 'a', 'c']
#对相关列进行自定义排序
df['word'] = df['word'].astype('category').cat.set_categories(list_sorted)
#结果
df_sortes = df.sort_values(by=['word'], ascending=True)

一、sort_values()函数的具体参数

• 用法：
  DataFrame.sort_values(by=‘##’,axis=0,ascending=True, inplace=False, na_position=‘last’)

参数    说明

by    指定列名(axis=0或’index’)或索引值(axis=1或’columns’)

axis    若axis=0或’index’，则按照指定列中数据大小排序；若axis=1或’columns’，则按照指定索引中数据大小排序，默认axis=0

ascending    是否按指定列的数组升序排列，默认为True，即升序排列

inplace    是否用排序后的数据集替换原来的数据，默认为False，即不替换

na_position    {‘first’,‘last’}，设定缺失值的显示位置

 

二、sort_values用法举例

• 创建数据框

• #利用字典dict创建数据框
  import numpy as np
  import pandas as pd
  df=pd.DataFrame({'col1':['A','A','B',np.nan,'D','C'],
                   'col2':[2,1,9,8,7,7],
                   'col3':[0,1,9,4,2,8]
  })
  print(df)
  
  >>>
    col1  col2  col3
  0    A     2     0
  1    A     1     1
  2    B     9     9
  3  NaN     8     4
  4    D     7     2
  5    C     7     8
  

• 依据第一列排序，并将该列空值放在首位

• #依据第一列排序，并将该列空值放在首位
  print(df.sort_values(by=['col1'],na_position='first'))
  >>>
    col1  col2  col3
  3  NaN     8     4
  0    A     2     0
  1    A     1     1
  2    B     9     9
  5    C     7     8
  4    D     7     2
  

• 依据第二、三列，数值降序排序

#依据第二、三列，数值降序排序
print(df.sort_values(by=['col2','col3'],ascending=False))
>>>
  col1  col2  col3
2    B     9     9
3  NaN     8     4
5    C     7     8
4    D     7     2
0    A     2     0
1    A     1     1

 

• 根据第一列中数值排序，按降序排列，并替换原数据

#根据第一列中数值排序，按降序排列，并替换原数据
df.sort_values(by=['col1'],ascending=False,inplace=True,
                     na_position='first')
print(df)
>>>
  col1  col2  col3
3  NaN     8     4
4    D     7     2
5    C     7     8
2    B     9     9
1    A     1     1
0    A     2     0

• 按照索引值为0的行，即第一行的值来降序排序

x = pd.DataFrame({'x1':[1,2,2,3],'x2':[4,3,2,1],'x3':[3,2,4,1]}) 
print(x)
#按照索引值为0的行，即第一行的值来降序排序
print(x.sort_values(by =0,ascending=False,axis=1))
>>>
   x1  x2  x3
0   1   4   3
1   2   3   2
2   2   2   4
3   3   1   1
   x2  x3  x1
0   4   3   1
1   3   2   2
2   2   4   2
3   1   1   3