1. sort_index()
功能说明:可以实现DataFrame的索引排序
1.1 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)
**参数说明:**
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
1.2 常用实例
#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)
2. sort_values()
功能说明:可以实现对DataFrame的一列或者多列的排序
2.1 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)
**参数说明:**
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
2.2 常用实例
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
版权声明:本文为CSDN博主「lghpy01」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/m0_46128639/article/details/122718183