1. sort_values
pandas中的sort_values()函数原理类似于SQL中的order by，可以将数据集依照某个字段中的数据进行排序，该函数即可根据指定列数据也可根据指定行的数据排序。
官方文档
1 2 3 4 5 6 7 8 9 | ## 参数 DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last') #### 参数说明 axis:{0 or ‘index', 1 or ‘columns'}, default 0，默认按照索引排序，即纵向排序，如果为1，则是横向排序 by:str or list of str；如果axis=0，那么by="列名"；如果axis=1，那么by="行名"； ascending:布尔型，True则升序，可以是[True,False]，即第一字段升序，第二个降序 inplace:布尔型，是否用排序后的数据框替换现有的数据框 kind:排序方法，{‘quicksort', ‘mergesort', ‘heapsort'}, default ‘quicksort'。似乎不用太关心 na_position : {‘first', ‘last'}, default ‘last'，默认缺失值排在最后面 |
2. 排序sort_values
构建DataFrame
1 2 3 4 5 | import pandas as pddf = pd.DataFrame([['a', 100, 'c'], ['a', 300, 'a'], ['a', 200, 'b'], ['c', 300, 'a'], ['c', 200, 'b'], ['c', 100, 'c'], ['b', 200, 'b'], ['b', 300, 'a'], ['b', 100, 'c']], columns=['X', 'Y', 'Z']) |
X Y Z
0 a 100 c
1 a 300 a
2 a 200 b
3 c 300 a
4 c 200 b
5 c 100 c
6 b 200 b
7 b 300 a
8 b 100 c
按照Y, X两列对df进行降序排列
1 2 | df.sort_values(by=['Y', 'X'], ascending=False, inplace=True)print(df) |
X Y Z
3 c 300 a
7 b 300 a
1 a 300 a
4 c 200 b
6 b 200 b
2 a 200 b
5 c 100 c
8 b 100 c
0 a 100 c
3. 分组排序groupby|sort_values
按照X列进行分组后对Y列进行升序排序
1 2 | res = df.groupby('X', sort=False).apply(lambda x: x.sort_values('Y', ascending=True)).reset_index(drop=True)print(res) |
X Y Z
0 a 100 c
1 a 200 b
2 a 300 a
3 c 100 c
4 c 200 b
5 c 300 a
6 b 100 c
7 b 200 b
8 b 300 a
示例：
创建数据框
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | #利用字典dict创建数据框import numpy as npimport pandas as pddf=pd.DataFrame({'col1':['A','A','B',np.nan,'D','C'], 'col2':[2,1,9,8,7,7], 'col3':[0,1,9,4,2,8]})print(df)>>> col1 col2 col30 A 2 01 A 1 12 B 9 93 NaN 8 44 D 7 25 C 7 8 |
依据第一列排序，并将该列空值放在首位
1 2 3 4 5 6 7 8 9 10 | #依据第一列排序，并将该列空值放在首位print(df.sort_values(by=['col1'],na_position='first'))>>> col1 col2 col33 NaN 8 40 A 2 01 A 1 12 B 9 95 C 7 84 D 7 2 |
依据第二、三列，数值降序排序
1 2 3 4 5 6 7 8 9 10 | #依据第二、三列，数值降序排序print(df.sort_values(by=['col2','col3'],ascending=False))>>> col1 col2 col32 B 9 93 NaN 8 45 C 7 84 D 7 20 A 2 01 A 1 1 |
根据第一列中数值排序，按降序排列，并替换原数据
1 2 3 4 5 6 7 8 9 10 11 12 | #根据第一列中数值排序，按降序排列，并替换原数据df.sort_values(by=['col1'],ascending=False,inplace=True, na_position='first')print(df)>>> col1 col2 col33 NaN 8 44 D 7 25 C 7 82 B 9 91 A 1 10 A 2 0 |
按照索引值为0的行，即第一行的值来降序排序
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | x = pd.DataFrame({'x1':[1,2,2,3],'x2':[4,3,2,1],'x3':[3,2,4,1]}) print(x)#按照索引值为0的行，即第一行的值来降序排序print(x.sort_values(by =0,ascending=False,axis=1))>>> x1 x2 x30 1 4 31 2 3 22 2 2 43 3 1 1 x2 x3 x10 4 3 11 3 2 22 2 4 23 1 1 3 |
到此这篇关于pandas中DataFrame排序及分组排序的文章就介绍到这了,更多相关pandas 排序及分组排序内容请搜索IT俱乐部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IT俱乐部！
