文章目录
- 一、按索引排序：sort_index()
- 1. Series类型排序
- 1）升序
- 2）降序
- 2. DataFrame类型排序
- 1）按行索引排序
- 2）按列索引排序
- 二、按值排序：sort_values()
- 1. Series类型排序
- 1）升序
- 2）降序
- 2. DataFrame类型排序
- 1）单列排序
- 2）多列排序
- 3）排序算法
- 4）缺失值
- 5）key参数
- 三、排名：rank()
- 1. method=’average’排名
- 2. method=’min’排名
- 3. method=’max’排名
- 4. method=’first’排名
- 5. method=’dense’排名
对数据集进行排序和排名的是常用最基础的数据分析手段，pandas提供了方便的排序和排名的方法，通过简单的语句和参数就可以实现常用的排序和排名
一、按索引排序：sort_index()
sort_index() 是 pandas 中按索引排序的函数，默认情况下， sort_index 是按行索引来排序。
语法格式：
sort_index( self, axis=0, level=None, ascending: bool | int | Sequence[bool | int] = True, inplace: bool = False, kind: str = "quicksort", na_position: str = "last", sort_remaining: bool = True, ignore_index: bool = False, key: IndexKeyFunc = None, )常用参数说明：
- axis：默认为axis=0表示按行排序，当axis=1表示按列排序。
- ascending：默认为True升序排序，为False降序排序
- inplace：是否修改原始数据
1. Series类型排序
Series对象排序中，axis参数只能为0
1）升序
默认 ascending=True 升序
import pandas as pdimport numpy as npdf = pd.Series([1, 2, 3, 4], index=["A", "B", "C", "D"])print(df.sort_index())运行结果：
2）降序
设置 ascending=False 倒序
import pandas as pdimport numpy as npdf = pd.Series([1, 2, 3, 4], index=["A", "B", "C", "D"],)print(df.sort_index(ascending=False))运行结果：
2. DataFrame类型排序
1）按行索引排序
默认 axis=0 按行标签索引排序
- 默认 ascending=True 升序排序
import pandas as pdimport numpy as npdata = np.arange(16).reshape((4, 4))df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_index(axis=0))
- 设置 ascending=False 倒序
import pandas as pdimport numpy as npdata = np.arange(16).reshape((4, 4))df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_index(axis=0, ascending=False))运行结果：
2）按列索引排序
设置 axis=1 按列标签索引排序
- 默认 ascending=True 升序排序
import pandas as pdimport numpy as npdata = np.arange(16).reshape((4, 4))df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_index(axis=1, ascending=True))运行结果：
- 设置 ascending=False 倒序
import pandas as pdimport numpy as npdata = np.arange(16).reshape((4, 4))df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_index(axis=1, ascending=False))
二、按值排序：sort_values()
在实际数据分析过程中用得最多是按某一列的值进行排序，在pandas中sort_values() 是按数值排序的方法
1. Series类型排序
语法格式：
sort_values( self, axis=0, ascending: bool | int | Sequence[bool | int] = True, inplace: bool = False, kind: str = "quicksort", na_position: str = "last", ignore_index: bool = False, key: ValueKeyFunc = None, )常用参数说明：
- axis：只能为0
- ascending：默认为True升序排序，为False降序排序
- inplace：是否修改原始Series
1）升序
默认 ascending=True 升序
import pandas as pdimport numpy as npdf = pd.Series([5, 3, 2, 4, 1], index=["A", "B", "C", "D", "E"])print(df)print(df.sort_values())运行结果：
2）降序
设置 ascending=False 倒序
import pandas as pdimport numpy as npdf = pd.Series([5, 3, 2, 4, 1], index=["A", "B", "C", "D", "E"])print(df)print(df.sort_values(ascending=False))运行结果：
2. DataFrame类型排序
语法格式：
sort_values( # type: ignore[override] self, by, axis: Axis = 0, ascending=True, inplace: bool = False, kind: str = "quicksort", na_position: str = "last", ignore_index: bool = False, key: ValueKeyFunc = None, )常用参数说明：
- by：字符串或者List，单列排序或者多列排序
- ascending：默认为True升序排序，为False降序排序
- inplace：是否修改原始数据
- kind：选择排序算法，默认是 ‘quicksort’，该参数只针对单个列时才有效
- mergesort：归并排序
- heapsort：堆排序
- quicksort：快速排序
- na_position：缺失值处理
- last：缺失值排最后
- first：缺失值排开头
1）单列排序
- 默认 ascending=True 升序排序
import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_values(by='a'))运行结果：
- 设置 ascending=False 倒序
import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_values(by='a',ascending=False))运行结果：
2）多列排序
- 两列排序：默认 ascending=True 升序排序
import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_values(by=['a','b']))运行结果：
- 两列排序：默认 ascending=False 降序排序
import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_values(by=['a','b'],ascending=False))运行结果：
- 两列排序：分别指定排序方法
import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)# 分别指定升序和降序print(df.sort_values(by=['a','b'], ascending=[True, False]))运行结果：
3）排序算法
几种排序主要是程序运行时占用的资源和运行速度有差异
kind：选择排序算法，默认是 ‘quicksort’，该参数只针对单个列时才有效
- mergesort：归并排序
- heapsort：堆排序
- quicksort：快速排序
4）缺失值
na_position：缺失值处理
- last：缺失值排最后
- first：缺失值排开头
1、默认 na_position = last 缺失值排最后:
import pandas as pdimport numpy as npdata = {'A': [1, 5, 9, 6, 3], 'B': [5, 9, 2, np.nan, 3], 'C': [0, 8, 4, 3, 2], }df = pd.DataFrame(data)print(df)print(df.sort_values(by='B'))运行结果：
2、设置 na_position = first 缺失值排开头:
import pandas as pdimport numpy as npdata = {'A': [1, 5, 9, 6, 3], 'B': [5, 9, 2, np.nan, 3], 'C': [0, 8, 4, 3, 2], }df = pd.DataFrame(data)print(df)print(df.sort_values(by='B',na_position = 'first'))运行结果：
5）key参数
通过设置 key 参数，可以将列按照特定条件进行排序，对比下下面的排序
import pandas as pdimport numpy as npdata = {'A': ['BB', 'AA', 'DD', 'EE','CC'], 'B': [5, 9, 2, np.nan, 3], 'C': [0, 8, 4, 3, 2], }df = pd.DataFrame(data)print(df.sort_values(by='B'))# key参数:字符串所有大写字符转化为小写print(df.sort_values(by='B', key=lambda col: col.str.lower()))三、排名：rank()
沿轴计算数值数据等级（1到n）。默认情况下，相等的值被分配一个等级，该等级是这些值的等级的平均值。
语法格式：
rank( self: FrameOrSeries, axis=0, method: str = "average", numeric_only: bool_t | None = None, na_option: str = "keep", ascending: bool_t = True, pct: bool_t = False, ) -> FrameOrSeries最重要的参数就是method，指定排名时用于破坏平级关系的method选项（注：值相同的位同一个分组）：
- average：默认值，在每个组中分配平均排名
- min：使用整个整个分组的最小排名
- max： 使用整个分组的最大排名
- first： 按值在原始数据中的出现顺序分配排名
- dense：类似于method=‘min’,但组件排名总是加1，而不是一个组中的相等元素的数量
1. method=’average’排名
通过“为各组分配一个平均排名”的方式破坏平级关系的为各组分配一个平均排名
import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank())运行结果：
[3, 4, -2, 1, 4, 5]，我们手动排一下，-2是第1名，1是第2名，3是第3，4是第4，4是第5，5是第6。其中两个4的排名分别是4和5，在默认的排法，他们平均数4.5，所以两个排名都是4.5。
2. method=’min’排名
为各组分配一个最小排名
import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank(method='min'))运行结果：
[3, 4, -2, 1, 4, 5]，我们手动排一下，-2是第1名，1是第2名，3是第3，4是第4，4是第5，5是第6。其中两个4的排名分别是4和5，在min排法，他们最小值是4，所以两个排名都是4。
3. method=’max’排名
为各组分配一个最大排名，与’min’相反
import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank(method='max'))
[3, 4, -2, 1, 4, 5]，我们手动排一下，-2是第1名，1是第2名，3是第3，4是第4，4是第5，5是第6。其中两个4的排名分别是4和5，在max排法，他们最大值是5，所以两个排名都是5。
4. method=’first’排名
不为各组分配任何排名，不改变原有排名，这种情况下没有小数点，相同的数谁先出现谁就排前面
import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank(method='first'))[3, 4, -2, 1, 4, 5]，我们手动排一下，-2是第1名，1是第2名，3是第3，4是第4，4是第5，5是第6。其中两个4的排名分别是4和5，在first排法中，相同的数谁先出现谁就排前面。
5. method=’dense’排名
为各组分配一个稠密度计算后的排名，它与min唯一的区别就是，重复的不会占坑位，比较常用的排名，比如班级名次，有几个人并列第n名，不影响紧跟着的n+1名。所以dense总是连续的，即组间排名总是＋1，不过只是会有重复的而已。
import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank(method='dense'))运行结果：
[3, 4, -2, 1, 4, 5]，我们手动排一下，-2是第1名，1是第2名，3是第3，4是第4，4是第5，5是第6。其中两个4的排名分别是4和5，在dense排法中，相同的数不会站坑位，两个4排名都是4，5排名就是5。