pandas 数据排序

更新时间：2022-08-23 09:58:48 标签：pandas 排序

看过来

《pandas 教程》持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。提供建议、纠错、催更等加作者微信: sin80c（备注：pandas教程）和关注公众号「盖若」ID: gairuo。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

排序是数据分析的一种手段，Pandas 支持三种排序方式：按索引标签排序，按列值排序以及两者结合进行排序。

注：本文所使用的 df 和 s 是数据信息一文中的数据。

索引排序

sort_index() 可将索引重新排序，意味着每行数据的位置跟着索引而变化。

s.sort_index() # 升序排列
df.sort_index() # df 也是按索引进行排序
df.team.sort_index()
s.sort_index(ascending=False) # 降序排列
s.sort_index(inplace=True) # 排序后生效，改变原数据
# 索引重新0-(n-1) 排, 很有用，可以得到它的排序号
s.sort_index(ignore_index=True)
s.sort_index(na_position='first') # 空值在前，另 ‘last’
s.sort_index(level=1) # 如果多层，排一级
s.sort_index(level=1, sort_remaining=False) # 这层不排

# 行索引排序，表头排序
df.sort_index(axis=1) # 会把列按列名顺序排列

df.reindex()指定自己定义顺序的索引，实现行和列的顺序重新定义：

df = pd.DataFrame({
    'A': [1,2,4],
    'B': [3,5,6]
}, index=['a', 'b', 'c']
)
df
'''
   A  B
a  1  3
b  2  5
c  4  6
'''

# 按要求重新指定索引顺序
df.reindex(['c', 'b', 'a'])
'''
   A  B
c  4  6
b  2  5
a  1  3
'''

# 指定列顺序
df.reindex(['B', 'A'], axis=1)
'''
   B  A
a  3  1
b  5  2
c  6  4
'''

数据值排序

数据值的排序主要使用 sort_values()，数值按大小顺序，字符按字母顺序。

s.sort_values() # 升序
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 按指定字段顺序
df.sort_values(by=['team'])
df.sort_values('Q1')
# 按多个字段，先排 team, 在同 team 内再看 Q1
df.sort_values(by=['team', 'Q1'])
# 全降序
df.sort_values(by=['team', 'Q1'], ascending=False)
# 对应指定team升Q1降 
df.sort_values(by=['team', 'Q1'], ascending=[True, False])
# 索引重新0-(n-1) 排
df.sort_values('team', ignore_index=True)

索引和值同时排序

有些时间就需要索引和值混合排序，比如先按名字排序同序的再按团队排：

df.set_index('name', inplace=True)
df.index.names = ['s_name']
df.sort_values(by=['s_name', 'team'])
# 以下方法也可以实现上述需求，不过要注意顺序
df.set_index('name').sort_values('team').sort_index()

以上方法也适用于多层索引。

# 以下多层索引示例，a 为一级 a1 为 a 下边的二级索引
df1.sort_values(by=('a', 'a1'))

生成序号 df.rank()

df.rank() 可以生成数据的排序值，典例的例子如学生的成绩表，给出排名。

# 排名, 将值变了序号数
df.rank()
df.rank(axis=1) # 横向排名
# 相同值的排名处理：
# method='average' 并列第1 计算(1+2)/2=都是1.5，下个是3
# method='max':并列第1，显示2，下个 3
# method='min':并列第1，显示1，下个3
# method='dense':并列第1，显示1，下个 2
# method='first':按索引顺序看谁在索引前
df.Q1.rank(method='max')
df.rank(na_option='bottom') # 把空值放在最后
df.rank(pct=True) # 以百分比形式返回

其他

也可以用 nsmallest() 和 nlargest() 来实现排序（只支持数字）：

s.nsmallest(3) # 最小的三个
s.nlargest(3) # 最大的三个
# 指定列
df.nlargest(3, 'Q1')
df.nlargest(5, ['Q1', 'Q2'])
df.nsmallest(5, ['Q1', 'Q2'])

Series 还有一个 searchsorted 方法，用于假定在一个单调的序列中增加一个值，这个值所处的索引位置：

ser.searchsorted(10)
# 10
ser.searchsorted([0, 4])
# array([0, 3])
ser.searchsorted([1, 3], side='right')
# array([1, 3])