pandas的排序与排名

有的时候我们可以要根据索引的大小或者值的大小对Series和DataFrame进行排名和排序。

一、排序

pandas提供了sort_index方法可以根据行或列的索引按照字典的顺序进行排序

a、Series排序

1、按索引进行排序

    #定义一个Series
    s = Series([1,2,3],index=["a","c","b"])
    #对Series的索引进行排序，默认是升序
    print(s.sort_index())
    '''
    a    1
    b    3
    c    2
    '''
    #对索引进行降序排序
    print(s.sort_index(ascending=False))
    '''
    c    2
    b    3
    a    1
    '''
2、按值进行排序

    s = Series([np.nan,1,7,2,0],index=["a","c","e","b","d"])
    #对Series的值进行排序，默认是按值的升序进行排序的
    print(s.sort_values())
    '''
    d    0.0
    c    1.0
    b    2.0
    e    7.0
    a    NaN
    '''
    #对Seires的值进行降序排序
    print(s.sort_values(ascending=False))
    '''
    e    7.0
    b    2.0
    c    1.0
    d    0.0
    a    NaN
    '''
对值进行排序的时候，无论是升序还是降序，缺失值（NaN）都会排在最后面。

b、DataFrame排序

1、按索引进行排序

    a = np.arange(9).reshape(3,3)
    data = DataFrame(a,index=["0","2","1"],columns=["c","a","b"])
    #按行的索引升序进行排序，默认按行，升序
    print(data.sort_index())
    '''
       c  a  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
    print(data.sort_index(ascending=False))
    '''
       c  a  b
    2  3  4  5
    1  6  7  8
    0  0  1  2
    '''
    #按列升序的索引进行排序
    print(data.sort_index(axis=1))
    '''
       a  b  c
    0  1  2  0
    2  4  5  3
    1  7  8  6
    '''
    #按列降序的索引进行排序
    print(data.sort_index(ascending=False))
    '''
       c  a  b
    2  3  4  5
    1  6  7  8
    0  0  1  2
    '''
2、按值进行排序

    a = [[9,3,1],[1,2,8],[1,0,5]]
    data = DataFrame(a, index=["0", "2", "1"], columns=["c", "a", "b"])
    #按指定列的值大小顺序进行排序
    print(data.sort_values(by="c"))
    '''
       c  a  b
    2  1  2  8
    1  1  0  5
    0  9  3  1
    '''
    print(data.sort_values(by=["c","a"]))
    '''
       c  a  b
    1  1  0  5
    2  1  2  8
    0  9  3  1
    '''
    #按指定行值进行排序
    print(data.sort_values(by="0",axis=1))
    '''
       b  a  c
    0  1  3  9
    2  8  2  1
    1  5  0  1
    '''
注意：对DataFrame的值进行排序的时候，我们必须要使用by指定某一行（列）或者某几行（列），如果不使用by参数进行指定的时候，就会报TypeError: sort_values() missing 1 required positional argument: 'by'。使用by参数进行某几列（行）排序的时候，以列表中的第一个为准，可能后面的不会生效，因为有的时候无法做到既对第一行（列）进行升序排序又对第二行（列）进行排序。在指定行值进行排序的时候，必须设置axis=1，不然会报错，因为默认指定的是列索引，找不到这个索引所以报错，axis=1的意思是指定行索引。
二、排名

排名和排序有点类似，排名会有一个排名值（从1开始，一直到数组中有效数据的数量），它与numpy.argsort的间接排序索引差不多，只不过它可以根据某种规则破坏平级关系。

a、Series的排名

    s = Series([1,3,2,1,6],index=["a","c","d","b","e"])
    #默认是根据值的大小进行平均排名
    '''
    1是最小的，所以第一个1排在第一，第二个1排在第二
    因为取的是平均排名，所以1的排名为1.5
    '''
    print(s.rank())
    '''
    a    1.5
    c    4.0
    d    3.0
    b    1.5
    e    5.0
    '''
    #根据值在数组中出现的顺序进行排名
    print(s.rank(method="first"))
    '''
    a    1.0
    c    4.0
    d    3.0
    b    2.0
    e    5.0
    '''
method参数除了,first按值在原始数据中的出现顺序分配排名，还有min使用整个分组的最小排名，max是用整个分组的最大排名，average使用平均排名，也是默认的排名方式。还可以设置ascending参数，设置降序还是升序排序。
b、DataFrame的排名

    a = [[9, 3, 1], [1, 2, 8], [1, 0, 5]]
    data = DataFrame(a, index=["0", "2", "1"], columns=["c", "a", "b"])
    print(data)
    '''
       c  a  b
    0  9  3  1
    2  1  2  8
    1  1  0  5
    '''
    #默认按列进行排名
    print(data.rank())
    '''
         c    a    b
    0  3.0  3.0  1.0
    2  1.5  2.0  3.0
    1  1.5  1.0  2.0
    '''
    #按行进行排名
    print(data.rank(axis=1))
    '''
         c    a    b
    0  3.0  2.0  1.0
    2  1.0  2.0  3.0
    1  2.0  1.0  3.0
    '''
method参数和ascending参数的设置与Series一样。