Pandas數值排序 sort_values()的使用

Posted on by

參數解釋

DataFrame.sort_values(by, 
               axis=0, 
               ascending=True, 
               inplace=False, 
               kind='quicksort', 
               na_position='last', # last，first；默認是last
               ignore_index=False, 
               key=None)

參數的具體解釋為：

  • by：表示根據什麼字段或者索引進行排序，可以是一個或多個
  • axis：排序是在橫軸還是縱軸，默認是縱軸axis=0
  • ascending：排序結果是升序還是降序，默認是升序
  • inplace：表示排序的結果是直接在原數據上的就地修改還是生成新的DatFrame
  • kind：表示使用排序的算法，快排quicksort,，歸並mergesort， 堆排序heapsort，穩定排序stable ，默認是 ：快排quicksort
  • na_position：缺失值的位置處理，默認是最後，另一個選擇是首位
  • ignore_index：新生成的數據幀的索引是否重排，默認False（采用原數據的索引）
  • key：排序之前使用的函數

數據值的排序主要使用sort_values(),數字按大小排序，字符按字母順序

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 需要傳入一個或多個排序的列名
res2 = df.sort_values('Q4')
 
# 默認排序是升序，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])

結果展示

df

res1

res2

res3

擴展

# 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')
# 按多個字段，先排team，在同team內再看Q1
df.sort_values(by = ['mean','Q1'])
# 全降序
df.sort_values(by = ['mean','Q1'], ascending = False)
# 對應指定team升Q1降
df.sort_values(by = ['mean','Q1'], ascending = [True, False])

到此這篇關於Pandas數值排序 sort_values()的使用的文章就介紹到這瞭,更多相關Pandas數值排序 sort_values()內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：