参数解释
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)
参数的具体解释为：
- by：表示根据什么字段或者索引进行排序，可以是一个或多个
- axis：排序是在横轴还是纵轴，默认是纵轴axis=0
- ascending：排序结果是升序还是降序，默认是升序
- inplace：表示排序的结果是直接在原数据上的就地修改还是生成新的DatFrame
- kind：表示使用排序的算法，快排quicksort,，归并mergesort， 堆排序heapsort，稳定排序stable ，默认是 ：快排quicksort
- na_position：缺失值的位置处理，默认是最后，另一个选择是首位
- ignore_index：新生成的数据帧的索引是否重排，默认False（采用原数据的索引）
- key：排序之前使用的函数
数据值的排序主要使用sort_values(),数字按大小排序，字符按字母顺序
Series和DataFrame都支持此方法
import pandas as pd
df = pd.DataFrame([['liver','E',89,21,24,64],
['Arry','C',36,37,37,57],
['Ack','A',57,60,18,84],
['Eorge','C',93,96,71,78],
['Oah','D',65,49,61,86]
],
columns = ['name','team','Q1','Q2','Q3','Q4'])
res1 = df.Q1.sort_values()
# DataFrame 需要传入一个或多个排序的列名
res2 = df.sort_values('Q4')
# 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
res3 = df.sort_values(by = ['team','name'], ascending = [True, False])结果展示
df
res1
res2
res3
扩展
# 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 = ['mean','Q1'])
# 全降序
df.sort_values(by = ['mean','Q1'], ascending = False)
# 对应指定team升Q1降
df.sort_values(by = ['mean','Q1'], ascending = [True, False])到此这篇关于Pandas数值排序 sort_values()的使用的文章就介绍到这了,更多相关Pandas数值排序 sort_values()内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！