轻松掌握Pandas高级技巧：数据排序指南

对应书本第二部分第5章Pandas高级操作第3节

---

数据排序是指按一定的顺序将数据重新排列，帮助使用者发现数据的变化趋势，同时提供一定的业务线索，还具有对数据纠错、分类等作用

---

索引排序

df.sort_index()实现按索引排序，默认以从小到大的升序方式排列。如希望按降序排序，传入ascending=False：

# 索引降序
df.sort_index(ascending=False)

# 在列索引方向上排序
df.sort_index(axis=1, ascending=False)

# 这里的s我理解为Series，需要赋值
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'表示空值在后
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

# 按要求重新指定索引顺序
df.reindex(['c', 'b', 'a'])

# 指定列顺序
df.reindex(['B', 'A'], axis=1)

---

数值排序

数据值的排序主要使用sort_values()，数字按大小顺序，字符按字母顺序。Series和DataFrame都支持此方法：

df.Q1.sort_values()

DataFrame需要传入一个或多个排序的列名：

df.sort_values('Q4')

默认排序是升序，但可以指定排序方式，下例先按team升序排列，如遇到相同的team再按name降序排列。

df.sort_values(by=['team', 'name'], ascending=[True, False])

# 这里的s我理解为Series，需要赋值
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按指定字段排列
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)

---

混合排序

有时候需要用索引和数据值混合排序。下例中假如name是索引，我们需要先按team排名，再按索引排名：

df.set_index('name', inplace=True) # 设置name为索引
df.index.names = ['s_name'] # 给索引起名
df.sort_values(by=['s_name', 'team']) # 排序

以下方法也可以实现上述需求，不过要注意顺序：

df = pd.read_excel('team.xlsx')
# 设置索引，按team排序，再按索引排序
df.set_index('name').sort_values('team').sort_index()

另外，还可以使用df.reindex()，通过给定新的索引方式来排名，按照这个思路可以实现人工指定任意顺序。

# 按姓名排序后取出排名后的索引列表
df.name.sort_values().index
# 将新的索引应用到数据中
df.reindex(df.name.sort_values().index)
# 上面与直接使用name排序是一个结果
df.sort_values('name')
# 但是如果需要自己修改指定的顺序，则将指定顺序索引Series传给reindex()

---

按值大小排序

nsmallest()和nlargest()用来实现数字列的排序，并可指定返回的个
数：

# 先按Q1最小在前，如果相同，Q2小的在前
df.nsmallest(5, ['Q1', 'Q2'])
# 取出切片
s = df['Q1']
s.nsmallest(3) # 最小的3个
s.nlargest(3) # 最大的3个
# 指定列
df.nlargest(3, 'Q1')
df.nlargest(5, ['Q1', 'Q2'])
df.nsmallest(5, ['Q1', 'Q2'])

---

end~