排序Pandas数据框
Pandas数据框可以按索引和值排序
我们可以按行值/列值对Pandas数据框进行排序。同样，我们也可以按行索引/列索引进行排序。
Pandas DataFrame按值排序
DataFrame。sort_values（by，axis = 0，ascending = True，inplace = False，kind =' quicksort '，na_position ='last'，ignore_index = False，key = None）
返回类型为 DataFrame或无。
如果排序的inplace返回类型为None，则为DataFrame。
1.按一列对数据框进行排序
通过从CSV文件读取来创建DataFrame。
import pandas as pd df=pd.read_csv("C:pandas_experimentpandas_sortingdata1.csv") df
现在，按一列（EmpId）中的值对数据框进行排序。
df.sort_values('EmpID')
默认情况下，它将以升序排序。该索引也将保持不变。
返回类型是一个数据框。它不会修改原始数据框。
2.按一列按降序对数据框进行排序
按列EmpID降序对数据框进行排序。不得不提ascending=False。
返回类型是一个数据框。它不会修改原始数据框。
df.sort_values(‘EmpID’,ascending=False)
3.按两列对数据框进行排序
按列Skill和排序数据框EmpID。如果列Skill 中的值相同，则它将基于第二列中的值进行排序EmpID
df.sort_values(by=['Skill','EmpID'])
首先，它将基于“Skill”列中的值进行排序。由于JavaScript列中的值Skill相同，因此它将再次按值EmpID 升序排序。
返回类型是一个数据框。它不会修改原始数据框。
4.按两列以不同顺序对数据框进行排序
按列Skill和排序数据框EmpID。一列以升序排列，另一列以降序排列。
df.sort_values(by=['Skill','EmpID'],ascending=[True,False])
首先，数据帧将基于“Skill” 列中的值以升序排序。由于JavaScript列中的值Skill相同，因此它将按值EmpID 降序排序。
返回类型是一个数据框。它不会修改原始数据框。
5.通过将NaN放在首位对数据帧进行排序
首先将缺失值放在数据NaN框中进行排序。na_position=”first”
df.sort_values("Salary",na_position='first')
返回类型是一个数据框。它不会修改原始数据框。
6.就地排序数据框
如果参数inplace设置为True（inplace=True），它将执行就地操作。修改原始数据框本身。返回类型为无。
df.sort_values("Salary",inplace=True) df
7.通过忽略索引对数据帧进行排序。
对数据框进行排序将保持相同的索引。如果要忽略索引，然后不得不提及ignore_index=True
，则结果轴将标记为0、1，…，n-1。
df.sort_values("Salary",ignore_index=True)
8.使用键功能对数据框进行排序
在排序之前，将键函数应用于这些值。这类似于内置sorted()函数中的key参数，但值得注意的区别是此key函数应被向量化。它应该期望aSeries并返回与输入形状相同的Series。它将by独立应用于每个列。- Python文档
df.sort_values(by=["Skill"],key=lambda x:x.str.lower())
键功能（str.lower()）应用于“Skill” 列中的所有值，然后进行排序。如果包含相同的值，则基于行索引进行排序。
如果未在“Skill”列上调用键函数，则大写字母将首先排序。
df.sort_values(by=["Skill"])
9.按字符串长度对数据框进行排序
按字符串长度对数据框进行排序。给出了键函数，它将计算给定列（）中值的长度。根据列中值的长度，它将对数据框进行排序。key=lambda x:x.str.len()“SKill”“Skill”
df.sort_values(by=["Skill"],key=lambda x:x.str.len())
10.按行值对数据框进行排序
我们还可以按特定的行值对数据框进行排序。
创建一个包含数字的数据框。
df = pd.DataFrame(data={'x':[10,30,20], 'y':[1,2,3],'z':[5,15,10]})
df
我们可以根据特定行中的值对数据框进行排序。让我们进行排序row 0 默认情况下，它将按升序对行中的值进行排序。
df.sort_values(by=0,axis=1)
by=0 表示第0行。
axis=1 指示要排序的列。
如果要排序的行包含不同的数据类型，它将提高TypeError。
df1 = pd.DataFrame(data={'x':[10,10,"d"], 'y':['a',5,'c'],'z':[5,15,'a']})
df1
如果我们按row0对数据帧进行排序，它将提高TypeError。row 0包含字符串和整数。
df1.sort_values(by=0,axis=1)
Output:
TypeError: ‘<’ not supported between instances of ‘str’ and ‘int’
但是我们可以基于row1和row2对数据帧df1进行排序。int第1行str仅包含，第2行仅包含。
df1.sort_values(by=2,axis=1)
Pandas.DataFrame.sort_index
DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, ignore_index=False, key=None)
按标签（沿轴）对对象排序。
如果inplace参数为False，则返回按标签排序的新DataFrame ，否则更新原始DataFrame并返回None。
1.按行索引对数据框进行排序
创建一个数据框。
df=pd.read_csv("C:pandas_experimentpandas_sortingdata2.csv") df
将EmpID列设置为行索引。
df.set_index('EmpID',inplace=True)
我们可以按行索引和列索引对数据进行排序。
df.sort_index() or df.sort_index(axis=0)
两者是相同的。axis=0表示按行索引排序。
默认情况下，它将以升序排序。
2.按列索引对数据框进行排序
通过提及按列索引对数据框进行排序axis=1。
df.sort_index(axis=1)
默认情况下，它将按升序排序。
3.排序具有多索引的数据框
创建一个数据框并将两列设置为row_index。
df=pd.read_csv("C:pandas_experimentpandas_sortingdata2.csv") df.set_index(["EmpID","Age"],inplace=True)
现在，我们可以按row_index EmpID和Age对数据框进行排序。
如果level=0给出，它将基于row_index排序“EmpID”
df.sort_index(level=0)
如果level=1表示将根据row_index对数据框进行排序“Age”
默认情况下，sort_remaining=True表示如果按级别和索引排序是多级的，则在按指定级别排序后也按其他级别（按顺序）排序。
在此示例中，它将按级别1（“Age”）进行排序，如果值的均值相同，则它将按另一个索引（“EmpID”）进行排序
df.sort_index(level=1)
4.仅将具有多索引的数据框按一级排序
通过提及一级和sort_remaining=False，我们只能将具有多索引的数据框排序为一级。
df.sort_index(level="Age",sort_remaining=False)
在此示例中，EmpID索引未排序。数据框仅基于“Age” 索引排序。
5.按索引降序对数据框排序
如果我们提到ascending=False，它将根据提到的索引以降序对数据帧进行排序。
df.sort_index(axis=0,ascending=False)
结论：
- 如果对pandas数据框进行排序，则返回带有排序值的数据
inplace=False框。否则，如果inplace=True返回None，它将修改原始数据框本身。 - 默认情况下，所有排序仅按升序进行。如果我们提到的话，
ascending=False它将以降序排列。