Pandas DataFrame DataFrame.sort_values() 函数
Suraj Joshi
2023年1月30日
2020年6月17日
-
pandas.DataFrame.sort_values()语法 -
示例代码：使用 Pandas 对 DataFrame 进行排序
pandas.DataFrame.sort_values()基于单列进行排序 -
示例代码：使用 Pandas
DataFrame.sort_values()基于多列对 DataFrame 进行排序 -
示例代码：用 Pandas
DataFrame.sort_values()对 DataFrame 进行降序排序 -
示例代码：使用 Pandas
DataFrame.sort_values()对 DataFrame 进行排序，将NaN放在开头
Pandas DataFrame.sort_values() 方法将调用者 DataFrame 沿任一索引的指定列中的值按升序或降序排序。
pandas.DataFrame.sort_values() 语法
DataFrame.sort_values(by,
axis=0,
ascending=True,
inplace=False,
kind='quicksort',
na_position='last',
ignore_index=False)
参数
by |
要排序的名称或名称列表 |
axis |
沿行(axis=0)或列(axis=1)排序 |
ascending |
按升序排序(ascending=True)或降序排序(ascending=False) |
inplace |
布尔型。如果为 True，就地修改调用者 DataFrame |
kind |
排序算法。默认为 quicksort |
na_position |
将 NaN 值放在开头(na_position=first)或结尾(na_position=last) |
ignore_index |
布尔型。如果是 True，则忽略原始 DataFrame 中的索引，默认值是 False，即使用索引。默认值是 False，表示使用索引。 1.0.0 版本新增 |
返回值
如果 inplace 为 True，则返回排序后的 DataFrame；否则为 None。
示例代码：使用 Pandas 对 DataFrame 进行排序 pandas.DataFrame.sort_values() 基于单列进行排序
import pandas as pd
dates=['April-10',
'April-11',
'April-12',
'April-13',
'April-14',
'April-16']
sales=[200,300,400,200,300,300]
prices=[3, 1, 2, 4,3,2]
df = pd.DataFrame({'Date':dates ,
'Sales':sales ,
'Price': prices})
print("Before Sorting:")
print(df)
sorted_df=df.sort_values(by=['Price'])
print("After Sorting:")
print(sorted_df)
输出：
Before Sorting:
Date Sales Price
0 April-10 200 3
1 April-11 300 1
2 April-12 400 2
3 April-13 200 4
4 April-14 300 3
5 April-16 300 2
After Sorting:
Date Sales Price
Date Sales Price
1 April-11 300 1
2 April-12 400 2
5 April-16 300 2
0 April-10 200 3
4 April-14 300 3
3 April-13 200 4
它根据 Price 列中的值按升序（默认）对 DataFrame df 进行排序。
排序后的 DataFrame 中的索引与原始 DataFrame 中的索引保持一致。
如果你喜欢在排序后的 DataFrame 中使用新的索引列，那么你可以设置 ignore_index（从 1.0.0 版本引入）为 True。
import pandas as pd
dates=['April-10',
'April-11',
'April-12',
'April-13',
'April-14',
'April-16']
sales=[200,300,400,200,300,300]
prices=[3, 1, 2, 4,3,2]
df = pd.DataFrame({'Date':dates ,
'Sales':sales ,
'Price': prices})
print("Before Sorting:")
print(df)
sorted_df=df.sort_values(by=['Price'],
ignore_index=True)
print("After Sorting:")
输出：
Before Sorting:
Date Sales Price
0 April-10 200 3
1 April-11 300 1
2 April-12 400 2
3 April-13 200 4
4 April-14 300 3
5 April-16 300 2
After Sorting:
Date Sales Price
0 April-11 300 1
1 April-12 400 2
2 April-16 300 2
3 April-10 200 3
4 April-14 300 3
5 April-13 200 4
在这里，我们使用 ignore_index=True 为行分配新的索引，并忽略原来 DataFrame 的索引。
示例代码：使用 Pandas DataFrame.sort_values() 基于多列对 DataFrame 进行排序
import pandas as pd
dates=['April-10',
'April-11',
'April-12',
'April-13',
'April-14',
'April-16']
sales=[200,300,400,200,300,300]
prices=[3, 1, 2, 4,3,2]
df = pd.DataFrame({'Date':dates ,
'Sales':sales ,
'Price': prices})
print("Before Sorting:")
print(df)
df.sort_values(by=['Sales','Price'],
ignore_index=True,
inplace=True)
print("After Sorting:")
print(df)
输出：
Before Sorting:
Date Sales Price
0 April-10 200 3
1 April-11 300 1
2 April-12 400 2
3 April-13 200 4
4 April-14 300 3
5 April-16 300 2
After Sorting:
Date Sales Price
0 April-10 200 3
1 April-13 200 4
2 April-11 300 1
3 April-16 300 2
4 April-14 300 3
5 April-12 400 2
在这里，首先按升序对 Sales 进行排序，然后对每个 Sales 的 Price 也按升序进行排序。
在 df 中，200 是 Sales 列的最小值，3 是 Sales 值为 200 的 Price 列的最小值。
所以，Sales 列中有 200，Price 列中有 3 的行排在最前面。
由于 inplace=True，调用 sort_values() 函数后，原 DataFrame 被就地修改。
示例代码：用 Pandas DataFrame.sort_values() 对 DataFrame 进行降序排序
import pandas as pd
dates=['April-10',
'April-11',
'April-12',
'April-13',
'April-14',
'April-16']
sales=[200,300,400,200,300,300]
prices=[3, 1, 2, 4,3,2]
df = pd.DataFrame({'Date':dates ,
'Sales':sales ,
'Price': prices})
print("Before Sorting:")
print(df)
sorted_df=df.sort_values(by=['Sales'],
ignore_index=True,
ascending=False)
print("After Sorting:")
print(sorted_df)
输出：
Before Sorting:
Date Sales Price
0 April-10 200 3
1 April-11 300 1
2 April-12 400 2
3 April-13 200 4
4 April-14 300 3
5 April-16 300 2
After Sorting:
Date Sales Price
0 April-12 400 2
1 April-11 300 1
2 April-14 300 3
3 April-16 300 2
4 April-10 200 3
5 April-13 200 4
它按照 Sales 列的数值降序对 DataFrame df 进行排序。
400 是 Sales 列中的最大值，因此该条目将被置于顶端，其他行也将相应地进行排序。
示例代码：使用 Pandas DataFrame.sort_values() 对 DataFrame 进行排序，将 NaN 放在开头
import pandas as pd
dates=['April-10',
'April-11',
'April-12',
'April-13',
'April-14',
'April-16']
sales=[200,300,400,200,300,300]
prices=[3, 1, 2, 4,3,2]
df = pd.DataFrame({'Date':dates ,
'Sales':sales ,
'Price': prices})
print("Before Sorting:")
print(df)
sorted_df=df.sort_values(by=['Price'],ignore_index=True,na_position='first')
print("After Sorting:")
print(sorted_df)
输出：
Before Sorting:
Date Sales Price
0 April-10 200 NaN
1 April-11 300 1.0
2 April-12 400 2.0
3 April-13 200 4.0
4 April-14 300 3.0
5 April-16 300 NaN
After Sorting:
Date Sales Price
0 April-10 200 NaN
1 April-16 300 NaN
2 April-11 300 1.0
3 April-12 400 2.0
4 April-14 300 3.0
5 April-13 200 4.0
在默认情况下，NaN 值在排序后被放在 DataFrame 的最后。
但是通过设置 na_position=first，我们可以将 NaN 值放在 DataFrame 的开头。
Author: Suraj Joshi
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn