标签：sort df DataFrame 排名 排序 True display axis
DataFrame的排序与排名问题
1、说明
DataFrame中的排序分为两种，一种是对索引排序，一种是对值进行排序。
索引排序：sort_index()；
值排序：sort_values()；
值排名：rank()
对于索引排序，涉及到对行索引、列索引的排序，并且还涉及到是升序还是降序。函数df.sort_index(axis= , ascending= , inplace=)，需要特别注意这三个参数。axis表示对行操作，还是对列操作；ascending表示升序，还是降序操作。
对于值排序，同样也是涉及到行、列排序问题，升序、降序排列问题。函数df.sort_values(by= , axis= , ascending= , inplace=),也需要特别注意这几个参数，只是多了一个by操作，需要我们指明是按照哪一行或哪一列，进行排序的。
注意：axis=0表示对行操作，axis=1表示对列进行操作；ascending=True表示升序，ascending=False表示降序；inplace=True表示对原始DataFrame本身操作，因此不需要赋值操作，inplace=False相当于是对原始DataFrame的拷贝，之后的一些操作都是针对这个拷贝文件进行操作的，因此需要我们赋值给一个变量，保存操作后的结果。
2、索引排序：df.sort_index()
① 对行索引，进行升序排列
df = pd.DataFrame({"A":[1,3,5,7,9],
"D":[1,2,3,4,5],
"C":[3,6,9,12,15],
"B":[2,4,6,8,10]},
index=list("acbed"))
display(df)
display(id(df))
df.sort_index(axis=0,ascending=True,inplace=True)
display(df)
display(id(df))
df1 = df.sort_index(axis=0,ascending=True)
display(df1)
display(id(df1))
结果如下：
② 对列索引，进行降序排列
df = pd.DataFrame({"A":[1,3,5,7,9],
"D":[1,2,3,4,5],
"C":[3,6,9,12,15],
"B":[2,4,6,8,10]},
index=list("acbed"))
display(df)
df.sort_index(axis=1,ascending=False,inplace=True)
display(df)
结果如下：
3、值排序：df.sort_values()
① 对某一列进行升序排列(有实际意义)
df = pd.DataFrame({"A":[3,1,5,9,7],
"D":[4,1,2,5,3],
"C":[3,15,9,6,12],
"B":[2,4,6,10,8]},
index=list("acbed"))
display(df)
df.sort_values(by="A",axis=0,ascending=True,inplace=True)
display(df)
结果如下：
② 对某一行进行降序排列(实际意义不大)
df = pd.DataFrame({"A":[3,1,5,9,7],
"D":[4,1,2,5,3],
"C":[3,15,9,6,12],
"B":[2,4,6,10,8]},
index=list("acbed"))
display(df)
df.sort_values(by="A",axis=1,ascending=False,inplace=True)
display(df)
结果如下：
③ 对多列进行联合排序(重要)
df = pd.DataFrame({"A":[3,1,3,9,7],
"D":[666,1,888,5,3],
"C":[3,15,9,6,12],
"B":[2,4,6,10,8]},
index=list("acbed"))
display(df)
df.sort_values(by=["A","D"],axis=0,ascending=[True,False],inplace=True)
df
结果如下：
注意：上图中，我们分别按照A和D这个列进行排序，先按照A列做升序排列，当A列中具有相同值的时候，就按照D列做降序排列。
4、sort_values()中的na_position参数
na_position参数用于设定缺失值的显示位置，first表示缺失值显示在最前面；last表示缺失值显示在最后面。
df = pd.DataFrame({"A":[10,8,np.nan,2,4],
"D":[1,7,5,3,8],
"B":[5,2,8,4,1]},
index=list("abcde"))
display(df)
df.sort_values(by="A",axis=0,inplace=True,na_position="first")
display(df)
df.sort_values(by="A",axis=0,inplace=True,na_position="last")
display(df)
结果如下：
5、“值排名”：rank()函数
1）rank()函数的常用参数说明
2）原始数据
x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"],
"sales":[60,40,50,40,30,80,70,60]}
df = pd.DataFrame(x)
display(df)
结果如下：
3）rank()函数使用如下
① method="first"
x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"],
"sales":[60,40,50,40,30,80,70,60]}
df = pd.DataFrame(x)
display(df)
df["排名"] = df["sales"].rank(method="first")
display(df)
结果如下：
② method="min"
x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"],
"sales":[60,40,50,40,30,80,70,60]}
df = pd.DataFrame(x)
display(df)
df["排名"] = df["sales"].rank(method="min")
display(df)
结果如下：
③ method="max"
x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"],
"sales":[60,40,50,40,30,80,70,60]}
df = pd.DataFrame(x)
display(df)
df["排名"] = df["sales"].rank(method="max")
display(df)
结果如下：
④ method="average"
x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"],
"sales":[60,40,50,40,30,80,70,60]}
df = pd.DataFrame(x)
display(df)
df["排名"] = df["sales"].rank(method="average")
display(df)
结果如下：
标签：sort,df,DataFrame,排名,排序,True,display,axis 来源： https://www.cnblogs.com/Zshirly/p/15852523.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。