搞定排序！pandas系列之Series和DataFrame的排序技巧

介于自己经常忘掉pandas的数据排序操作，这里做一个常用方法的整理，示例数据使用的知乎数据：

• 先导入并用groupby分别生成一个Series和DataFrame示例数据：

import pandas as pd

path = "./知乎数据_201701.csv"
data = pd.read_csv(path,engine='python')
series = data.groupby("职业1").size()
frame = data.groupby("所在行业")["关注的问题","关注的话题"].sum()

print(type(series))
print(serie.head())
print(type(frame))
print(frame.head())

#输出如下：
"""
<class 'pandas.core.series.Series'>
职业1
交通仓储     578
信息传媒    1411
公共服务    2754
农林牧渔     462
制造加工    3345
dtype: int64
<class 'pandas.core.frame.DataFrame'>
        关注的问题   关注的话题
所在行业                 
??         62      74
临床医疗   203987   28070
互联网   1848010  338690
交通仓储    28174    4017
人力资源    81371   13468
"""

• 对Series数据进行排序：

• series.sort_values（）与 sort_index（）分别按照值、索引进行排序。
• ascending参数默认为True，对values升序排序；
• inplace参数默认为False，当指定inplace=True时，将同时修改原数据。

以sort_values（）为例：

s = series.sort_values(ascending=False)
print(s.head())

#输出如下，对values进行了降序排列：
"""
职业1
高新科技    10595
金融       4196
制造加工     3345
服务业      3068
公共服务     2754
dtype: int64
"""

• 对DataFrame数据进行排序：

• 与Series相似，Dataframe也有按sort_values（）与 sort_index（）分别按照值、索引进行排序。
• 参数by=“columns_name”指定排序值参考列，默认ascending=True按升序排序,指定inplace=True,将同时修改原数据。。
• 可传入axis=1,按行标签排序，不过用到的时候貌似不多。

df1 = frame.sort_values(by="关注的问题",ascending=False)
print(df1.head())

#输出如下，按“关注的问题”列进行降序排序：
"""
    关注的问题   关注的话题
所在行业        
互联网 1848010 338690
计算机软件   979808  180918
高等教育    540299  119766
高新科技    530060  87961
金融  498247  93680
"""

df2 = frame.sort_values(by="关注的话题",ascending=True).drop("??")
df2.head()

#输出如下，按"关注的话题"列进行升序排序：
"""
    关注的问题   关注的话题
所在行业        
??  62  74
疗养服务    147 122
管线运输    430 122
造纸业 2537    251
美容  801 602
"""

希望以后这种简单操作不要再忘了，多用才能记住啊~~