python pandas 中的排序sort_index()和sort_values()

1、sort_index()

      通俗点讲，就是根据index的值进行排序，如果是按行排序，可以认为是根据index的值排序，如果是按列排序，可以认为是根据columns的值进行排序。用法如下：

### 按索引排序，需要指定轴和方向，默认为列方向排序
unsorted_df.sort_index()#默认为index升序
unsorted_df.sort_index(ascending=False)#此时为index降序   
 
unsorted_df.sort_index(axis=1,ascending=True,inplace=False,na_position='last')
#此时为columns方向升序，inplace指明是否替代原df,na_position指明缺失值的位置（'last'，'first'）

unsorted_df.sort_index().sort_index(axis=1,ascending=True,inplace=False,na_position='last')
#index和colimns同时排序，可以直接粘在后面

2、sort_values（）

      对dataframe按某一列的值进行排序，或者按某一行的值进行排序。具体的参数设置如下：

# 参数
DataFrame.sort_values（by，axis = 0，ascending = True，inplace = False，kind =' quicksort '，na_position ='last' ）

#参数说明
by: str或str的列表，如果axis=0或axis='index'，那么by='列名'；如果axis=1或axis='columns'，那么by='行名'

axis: {0或'index';1或'columns'} 默认为0，即纵向排序，如果为1，则为横向排序

ascending: 布尔型，默认为True,即升序

inplace: 布尔型，是否用排序后的数据代替现有数据

kind: 排序算法， {'quicksort'，'mergesort'，'heapsort'}，默认'quicksort'

na_position: {'first'，'last'}，默认'last' ,即将缺失值放在最后。

 总结：

        之前对于按行和按列一直都很难记，也就是axis=0或者axis=1这个。这个可以这样理解，axis=0表示行需要发生变动，需要排序，axis=1表示数据的列的位置要发生变动，这样好像就好记了。

参考资料：

1、Dataframe 排序（sort_index()和sort_values()）

2、Python中pandas库的sort_index、set_index和reser_index的用法