工具：jupyter Python3

数据排序

import numpy as np
import pandas as pd

参数说明：
1、axis：轴索引(排序的方向)，0代表index(行)，1代表columns(列)
2、ascending：是否升序排序，默认为True，表示升序，降序(False)
3、by：表示排序的列(按值进行排序)

更多参数详见：https://pandas.pydata.org/docs/user_guide/dsintro.html#dataframe

DataFrame行列排序

1、一个DataFrame对象，5行3列，随机整数，范围0-9，行索引为3,4,6,8,5，按照行索引降序排列

df1 = pd.DataFrame(np.random.randint(0,10,(5,3)),index=[3,4,6,8,5])
df1

	0	1	2
3	5	5	9
4	8	4	1
6	4	8	6
8	8	4	0
5	0	3	8

#按照行索引降序排序
df1.sort_index(axis=0,ascending=False)

	0	1	2
3	5	5	9
4	8	4	1
5	0	3	8
6	4	8	6
8	8	4	0

2、一个DataFrame对象，5行5列，随机整数，范围0-9，列索引为3,1，7,9,6，按照列索引降序排列

df2 = pd.DataFrame(np.random.randint(0,10,(5,5)),columns=[3,1,7,9,6])
df2

	3	1	7	9	6
0	2	0	1	1	8
1	8	6	5	8	0
2	5	6	1	9	9
3	3	3	2	9	4
4	9	1	6	0	4

df2.sort_index(axis=1,ascending=False)

	1	3	6	7	9
0	0	2	8	1	1
1	6	8	0	5	8
2	6	5	9	1	9
3	3	3	4	2	9
4	1	9	4	6	0

3、一个DataFrame对象，5行3列，随机整数，范围0-9，按照第二列的值降序排序

df3 = pd.DataFrame(np.random.randint(0,9,(5,3)))
df3

	0	1	2
0	4	7	4
1	8	3	2
2	7	3	2
3	0	6	3
4	0	4	6

df3.sort_values(by=1,ascending=False)

	0	1	2
0	4	7	4
3	0	6	3
4	0	4	6
1	8	3	2
2	7	3	2

4、一个DataFrame对象，5行3列，随机整数，范围0-9，按照第一行值升序排序

df4 = pd.DataFrame(np.random.randint(0,9,(5,3)))
df4

	0	1	2
0	3	5	0
1	3	1	1
2	0	4	8
3	6	7	6
4	5	4	7

df4.sort_values(axis=1,by=0)

	2	0	1
0	0	3	5
1	1	3	1
2	8	0	4
3	6	6	7
4	7	5	4

Series索引、值排序

一个Series对象，随机整数，范围0-10，长度为6

ser1 = pd.Series(np.random.randint(0,10,6))
ser1

0    5
1    5
2    0
3    3
4    8
5    2
dtype: int32

1、按照索引升序进行排序

ser1.sort_index()

0    5
1    5
2    0
3    3
4    8
5    2
dtype: int32

2、按照值进行降序排序

ser1.sort_values(ascending=False)

4    8
1    5
0    5
3    3
5    2
2    0
dtype: int32

注意：
1）ascending等号后面不要加引号
2）注意按索引排序时，是指索引的轴，默认为0(代表行的索引),1(代表列的索引),但其本质还是对相应轴的数据进行排序(详细看上边例题)
如：按索引进行排序时，当axis=0时，表示按照行的索引进行排序，本质上就是对值的排序。
3）当对象调用sort_values进行排序时，所有的缺失值默认都会放到末尾。(这里可以使用参数：na_position，他的值为first，last，顾名思义若na_position= 'first’时则会讲NaN值放到开头，后者反之。)

数据排序pandas相关推荐

【Python】一文搞懂Pandas数据排序
数据排序,是使用非常高频的功能,Pandas排序支持做的非常好,主要涉及两个函数,两种数据类型,组合起来四种情况. Series排序 Series.sort_index 索引排序 Series.sor ...
pandas使用read_csv函数读取csv数据、sort_index函数基于多层行索引对数据排序（设置ascending参数列表指定不同层行索引的排序方向）
pandas使用read_csv函数读取csv数据.index_col参数指定作为行索引的数据列索引列表形成复合(多层)行索引.sort_index函数基于多层行索引对数据排序(设置ascending ...
Python数据攻略-Pandas数据排序方法
大家好,我是Mr数据杨.我们从数据准备开始,这如同三国的战争前的备战,必须有充足的粮草和士兵.而.sort_values()和.sort_index()方法,则像是战争中的行军路线,决定着军队的移动顺 ...
C++ 接口函数导出_Python玩转Excel：实现函数自动填充、数据排序
工作中,大家经常会使用excel去处理数据以及展示,但是对于部分工作我们可以借助程序帮忙实现,达到高效解决问题的效果. 比如将接口返回的json解析并保存结果到excel中,按一定规律处理excel中 ...
送你一个Python 数据排序的好方法
摘要:学习 Pandas排序方法是开始或练习使用 Python进行基本数据分析的好方法.最常见的数据分析是使用电子表格.SQL或pandas 完成的.使用 Pandas 的一大优点是它可以处理大量数据 ...
python写csv文件按升序排列_用python给csv里的数据排序的具体代码
1.使用argparse组件,获取命令行参数:使用re组件,获取需要查找的字符串所在行 2.使用pandas组件,对文件进行排序. 3.命令行执行数据获取及排序,写入文件: 以下是完整代码: #cod ...
pythonmysql数据分析_Python操作Mysql数据库入门——数据导入pandas（数据分析准备）...
原标题:Python操作Mysql数据库入门--数据导入pandas(数据分析准备) 欢迎关注天善智能 hellobi.com,我们是专注于商业智能BI,大数据,数据分析领域的垂直社区,学习.问答.求 ...
python按照日期筛选excel_Python玩转Excel：实现函数自动填充、数据排序
工作中,大家经常会使用excel去处理数据以及展示,但是对于部分工作我们可以借助程序帮忙实现,达到高效解决问题的效果. 比如将接口返回的json解析并保存结果到excel中,按一定规律处理excel中 ...
数据科学 5.2 数据整合 pandas程序
数据科学 5.2 数据整合 pandas程序第5章数据整合和数据清洗(代码pandas) 5.1 数据整合 5.1.1 行列操作 1. 单列 2. 选择多行和多列 3. 创建.删除列.行 5.1. ...
Case study：在数据库网页中设计数据排序工具
一.目的该笔记的目的是引导读者在已搭建的数据库网页的基础上,利用JS设计数据排序工具.其效果如图1所示."Order by"下拉列表框由一系列字段组成,如"Locati ...

数据排序pandas