DataFrame.sort函数

DataFrame.sort函数 首页 / Pandas入门教程 / DataFrame.sort函数

无涯教程可以通过以下几种有效地在DataFrame中执行排序:

  • 通过标签(By Label)
  • 按实际值(By Actual value)

在解释这两种排序之前,首先必须将数据集用于演示:

import pandas as pd
import numpy as np

info=pd.DataFrame(np.random.randn(10,2),index=[1,3,7,2,4,5,9,8,0,6],columns=['col2','col1'])
print(info)

输出

         col2          col1
1      -0.456763     -0.931156
3       0.242766     -0.793590
7       1.133803      0.454363
2      -0.843520     -0.938268
4      -0.018571     -0.315972
5      -1.951544     -1.300100
9      -0.711499      0.031491
8       1.648080      0.695637
0       2.576250     -0.625171
6      -0.301717      0.879970

在上面的DataFrame中,标签和值未排序。因此,看看如何对其进行排序:

通过标签

可以使用 sort_index()方法对DataFrame进行排序。可以通过传递轴参数和排序顺序来完成。默认情况下,按升序对行标签进行排序。

例子

import pandas as pd
import numpy as np
info=pd.DataFrame(np.random.randn(10,2),index=[1,2,5,4,8,7,9,3,0,6],columns = ['col4','col3'])
info2=info.sort_index()
print(info2)

输出

       col4          col3
0     0.698346      1.897573
1     1.247655     -1.208908
2    -0.469820     -0.546918
3    -0.793445      0.362020
4    -1.184855     -1.596489
5     1.500156      -0.397635
6    -1.239635      -0.255545
7     1.110986      -0.681728
8    -1.797474       0.108840
9     0.063048       1.512421
  • 排序顺序

可以通过将布尔值传递给升序参数来控制排序的顺序。

例子:

import pandas as pd
import numpy as np
info= pd.DataFrame(np.random.randn(10,2),index=[1,4,7,2,5,3,0,8,9,6],columns = ['col4','col5'])

info_2 = info.sort_index(ascending=False)
print(info)

输出

        col4          col5
1      0.664336     -1.846533
4     -0.456203     -1.255311
7      0.537063     -0.774384
2     -1.937455      0.257315
5      0.331764     -0.741020
3     -0.082334      0.304390
0     -0.983810     -0.711582
8      0.208479     -1.234640
9      0.656063      0.122720
6      0.347990     -0.410401
  • 对列进行排序:

可以通过将axis参数传递给其值0或1来对列标签进行排序。默认情况下, axis = 0 ,它按行排序。

import pandas as pd
import numpy as np
 
info = pd.DataFrame(np.random.randn(10,2),index=[1,4,8,2,0,6,7,5,3,9],columns = ['col4','col7'])
info_2=info.sort_index(axis=1)
print(info_2)

输出

       col4          col7
1    -0.509367     -1.609514
4    -0.516731      0.397375
8    -0.201157     -0.009864
2     1.440567       1.058436
0     0.955486      -0.009777
6    -1.211133       0.415147
7     0.095644       0.531727
5    -0.881241      -0.871342
3     0.206327       -1.154724
9     1.418127        0.146788

按实际值

这是另一种可以在DataFrame中执行排序的方法。与索引排序类似, sort_values()是一种按值排序的方法。

它还提供了一项函数,无涯教程可以在其中指定要对值进行排序的DataFrame的列名。通过传递' by '参数来完成。

import pandas as pd
import numpy as np
info = pd.DataFrame({'col1':[7,1,8,3],'col2':[8,12,4,9]})
info_2 = info.sort_values(by='col2')
print(info_2)

输出

     col1    col2
2     8       4
0     7       8
3     3       9
1     1       12

在上面的输出中,观察到这些值仅在 col2 中排序,并且相应的 col1 值和行索引将与 col2 一起更改。因此,它们看起来没有分类。

参数

  • columns           -  在排序之前,您必须传递一个对象或列名。
  • ascending        -  传递了一个布尔值,该值负责按升序排序。默认值为True。
  • axis                    -  0或索引; 1或"列"。默认值为0。它决定是按索引还是按列排序。
  • inplace             - 已传递布尔值。默认值为false。它将修改此对象的任何其他视图,并且在对DataFrame进行排序时不会创建新实例。
  • kind                   - "堆排序(heapsort)","合并排序(mergesort)","快速排序(quicksort)" 。这是一个可选参数,仅当对单个列或标签排序时才适用。
  • na_position    -  "第一(first)","最后(last)" 'first'将NaN放在开头,而'last'将NaN放在结尾。默认选项为最后。

祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)

技术教程推荐

从0开始学游戏开发 -〔蔡能〕

代码精进之路 -〔范学雷〕

TypeScript开发实战 -〔梁宵〕

网络编程实战 -〔盛延敏〕

MongoDB高手课 -〔唐建法(TJ)〕

后端技术面试 38 讲 -〔李智慧〕

TensorFlow 2项目进阶实战 -〔彭靖田〕

爆款文案修炼手册 -〔乐剑峰〕

计算机基础实战课 -〔彭东〕

好记忆不如烂笔头。留下您的足迹吧 :)