上QQ阅读APP看书，第一时间看更新
5.3 数据排序
数据排序是指按一定的顺序将数据重新排列，帮助使用者发现数据的变化趋势，同时提供一定的业务线索，还具有对数据纠错、分类等作用。本节将介绍一些Pandas用来进行数据排序的方法。
5.3.1 索引排序
df.sort_index()实现按索引排序，默认以从小到大的升序方式排列。如希望按降序排序，传入ascending=False：
# 索引降序
df.sort_index(ascending=False)
'''
name team Q1 Q2 Q3 Q4
99 Ben E 21 43 41 74
98 Eli E 11 74 58 91
97 Lincoln4 C 98 93 1 20
96 Austin7 C 21 31 30 43
95 Gabriel C 48 59 87 74
.. ... ... .. .. .. ..
4 Oah D 65 49 61 86
3 Eorge C 93 96 71 78
2 Ack A 57 60 18 84
1 Arry C 36 37 37 57
0 Liver E 89 21 24 64
[100 rows x 6 columns]
'''
按列索引名排序：
# 在列索引方向上排序 df.sort_index(axis=1, ascending=False) ''' team name Q4 Q3 Q2 Q1 0 E Liver 64 24 21 89 1 C Arry 57 37 37 36 2 A Ack 84 18 60 57 3 C Eorge 78 71 96 93 4 D Oah 86 61 49 65 .. ... ... .. .. .. .. 95 C Gabriel 74 87 59 48 96 C Austin7 43 30 31 21 97 C Lincoln4 20 1 93 98 98 E Eli 91 58 74 11 99 E Ben 74 41 43 21 [100 rows x 6 columns] '''
更多方法如下：
s.sort_index() # 升序排列 df.sort_index() # df也是按索引进行排序 df.team.sort_index() s.sort_index(ascending=False) # 降序排列 s.sort_index(inplace=True) # 排序后生效，改变原数据 # 索引重新0-(n-1)排，很有用，可以得到它的排序号 s.sort_index(ignore_index=True) s.sort_index(na_position='first') # 空值在前，另'last'表示空值在后 s.sort_index(level=1) # 如果多层，排一级 s.sort_index(level=1, sort_remaining=False) # 这层不排 # 行索引排序，表头排序 df.sort_index(axis=1) # 会把列按列名顺序排列
df.reindex()指定自己定义顺序的索引，实现行和列的顺序重新定义：
df = pd.DataFrame({
'A': [1,2,4],
'B': [3,5,6]
}, index=['a', 'b', 'c'])
df
'''
A B
a 1 3
b 2 5
c 4 6
'''
# 按要求重新指定索引顺序
df.reindex(['c', 'b', 'a'])
'''
A B
c 4 6
b 2 5
a 1 3
'''
# 指定列顺序
df.reindex(['B', 'A'], axis=1)
'''
B A
a 3 1
b 5 2
c 6 4
'''
5.3.2 数值排序
数据值的排序主要使用sort_values()，数字按大小顺序，字符按字母顺序。Series和DataFrame都支持此方法：
df.Q1.sort_values()
'''
37 1
39 2
85 2
58 4
82 4
..
3 93
88 96
38 97
19 97
97 98
Name: Q1, Length: 100, dtype: int64
'''
DataFrame需要传入一个或多个排序的列名：
df.sort_values('Q4')
'''
name team Q1 Q2 Q3 Q4
56 David B 21 47 99 2
19 Max E 97 75 41 3
90 Leon E 38 60 31 7
6 Acob B 61 95 94 8
88 Aaron A 96 75 55 8
.. ... ... .. .. .. ..
75 Stanley A 69 71 39 97
36 Jaxon E 88 98 19 98
62 Matthew C 44 33 41 98
72 Luke6 D 15 97 95 99
60 Ronnie B 53 13 34 99
[100 rows x 6 columns]
'''
默认排序是升序，但可以指定排序方式，下例先按team升序排列，如遇到相同的team再按name降序排列。
df.sort_values(by=['team', 'name'], ascending=[True, False])
'''
name team Q1 Q2 Q3 Q4
79 Tyler A 75 16 44 63
40 Toby A 52 27 17 68
75 Stanley A 69 71 39 97
34 Reggie1 A 30 12 23 9
9 Oscar A 77 9 26 67
.. ... ... .. .. .. ..
82 Finn E 4 1 55 32
98 Eli E 11 74 58 91
76 Dexter E 73 94 53 20
99 Ben E 21 43 41 74
41 Arlo8 E 48 34 52 51
[100 rows x 6 columns]
'''
其他常用方法如下：
s.sort_values(ascending=False) # 降序
s.sort_values(inplace=True) # 修改生效
s.sort_values(na_position='first') # 空值在前
# df按指定字段排列
df.sort_values(by=['team'])
df.sort_values('Q1')
# 按多个字段，先排team，在同team内再看Q1
df.sort_values(by=['team', 'Q1'])
# 全降序
df.sort_values(by=['team', 'Q1'], ascending=False)
# 对应指定team升Q1降
df.sort_values(by=['team', 'Q1'], ascending=[True, False])
# 索引重新0-(n-1)排
df.sort_values('team', ignore_index=True)
5.3.3 混合排序
有时候需要用索引和数据值混合排序。下例中假如name是索引，我们需要先按team排名，再按索引排名：
df.set_index('name', inplace=True) # 设置name为索引
df.index.names = ['s_name'] # 给索引起名
df.sort_values(by=['s_name', 'team']) # 排序
'''
team Q1 Q2 Q3 Q4
name
Aaron A 96 75 55 8
Ack A 57 60 18 84
Acob B 61 95 94 8
Adam C 90 32 47 39
Aiden D 20 31 62 68
... ... .. .. .. ..
Toby A 52 27 17 68
Tommy C 29 44 28 76
Tyler A 75 16 44 63
William C 80 68 3 26
Zachary E 12 71 85 93
[100 rows x 5 columns]
'''
以下方法也可以实现上述需求，不过要注意顺序：
# 设置索引，按team排序，再按索引排序
df.set_index('name').sort_values('team').sort_index()
另外，还可以使用df.reindex()，通过给定新的索引方式来排名，按照这个思路可以实现人工指定任意顺序。
# 按姓名排序后取出排名后的索引列表
df.name.sort_values().index
'''
Int64Index([88, 2, 6, 33, 94, 83, 57, 63, 32, 12, 41, 1, 22, 96, 99, 44, 71,
52, 67, 86, 49, 91, 28, 56, 76, 42, 30, 98, 38, 73, 78, 81, 3, 21,
89, 27, 82, 53, 95, 92, 39, 5, 25, 64, 17, 51, 68, 24, 61, 47, 15,
93, 36, 66, 50, 31, 16, 43, 84, 10, 90, 58, 7, 85, 97, 0, 11, 48,
87, 59, 20, 72, 23, 62, 19, 77, 70, 4, 54, 9, 8, 34, 65, 29, 74,
60, 45, 80, 35, 37, 75, 26, 13, 69, 14, 40, 46, 79, 18, 55],
dtype='int64')
'''
# 将新的索引应用到数据中
df.reindex(df.name.sort_values().index)
'''
name team Q1 Q2 Q3 Q4
88 Aaron A 96 75 55 8
2 Ack A 57 60 18 84
6 Acob B 61 95 94 8
33 Adam C 90 32 47 39
94 Aiden D 20 31 62 68
.. ... ... .. .. .. ..
40 Toby A 52 27 17 68
46 Tommy C 29 44 28 76
79 Tyler A 75 16 44 63
18 William C 80 68 3 26
55 Zachary E 12 71 85 93
[100 rows x 6 columns]
'''
5.3.4 按值大小排序
nsmallest()和nlargest()用来实现数字列的排序，并可指定返回的个数：
# 先按Q1最小在前，如果相同，Q2小的在前
df.nsmallest(5, ['Q1', 'Q2'])
'''
name team Q1 Q2 Q3 Q4
37 Sebastian C 1 14 68 48
85 Liam B 2 80 24 25
39 Harley B 2 99 12 13
82 Finn E 4 1 55 32
58 Lewis B 4 34 77 28
'''
以上显示了前5个最小的值，仅支持数字类型的排序。下面是几个其他示例：
s.nsmallest(3) # 最小的3个 s.nlargest(3) # 最大的3个 # 指定列 df.nlargest(3, 'Q1') df.nlargest(5, ['Q1', 'Q2']) df.nsmallest(5, ['Q1', 'Q2'])
5.3.5 小结
本节介绍了索引的排序、数值的排序以及索引和数值混合的排序方法。在实际需求中，更加复杂的排序可能需要通过计算增加辅助列来实现。