有的时候我们可以要根据索引的大小或者值的大小对Series和DataFrame进行排名和排序。
一、排序
pandas提供了sort_index方法可以根据行或列的索引按照字典的顺序进行排序
a、Series排序
1、按索引进行排序
#定义一个Series s = Series([1,2,3],index=["a","c","b"]) #对Series的索引进行排序，默认是升序 print(s.sort_index()) ''' a 1 b 3 c 2 ''' #对索引进行降序排序 print(s.sort_index(ascending=False)) ''' c 2 b 3 a 1 '''
2、按值进行排序
s = Series([np.nan,1,7,2,0],index=["a","c","e","b","d"]) #对Series的值进行排序，默认是按值的升序进行排序的 print(s.sort_values()) ''' d 0.0 c 1.0 b 2.0 e 7.0 a NaN ''' #对Seires的值进行降序排序 print(s.sort_values(ascending=False)) ''' e 7.0 b 2.0 c 1.0 d 0.0 a NaN '''
对值进行排序的时候，无论是升序还是降序，缺失值（NaN）都会排在最后面。
b、DataFrame排序
1、按索引进行排序
a = np.arange(9).reshape(3,3)
data = DataFrame(a,index=["0","2","1"],columns=["c","a","b"])
#按行的索引升序进行排序，默认按行，升序
print(data.sort_index())
'''
c a b
0 0 1 2
1 6 7 8
2 3 4 5
'''
#按行的索引按降序进行排序
print(data.sort_index(ascending=False))
'''
c a b
2 3 4 5
1 6 7 8
0 0 1 2
'''
#按列升序的索引进行排序
print(data.sort_index(axis=1))
'''
a b c
0 1 2 0
2 4 5 3
1 7 8 6
'''
#按列降序的索引进行排序
print(data.sort_index(ascending=False))
'''
c a b
2 3 4 5
1 6 7 8
0 0 1 2
'''
2、按值进行排序
a = [[9,3,1],[1,2,8],[1,0,5]]
data = DataFrame(a, index=["0", "2", "1"], columns=["c", "a", "b"])
#按指定列的值大小顺序进行排序
print(data.sort_values(by="c"))
'''
c a b
2 1 2 8
1 1 0 5
0 9 3 1
'''
print(data.sort_values(by=["c","a"]))
'''
c a b
1 1 0 5
2 1 2 8
0 9 3 1
'''
#按指定行值进行排序
print(data.sort_values(by="0",axis=1))
'''
b a c
0 1 3 9
2 8 2 1
1 5 0 1
'''
注意：对DataFrame的值进行排序的时候，我们必须要使用by指定某一行（列）或者某几行（列），如果不使用by参数进行指定的时候，就会报TypeError: sort_values() missing 1 required positional argument: 'by'。使用by参数进行某几列（行）排序的时候，以列表中的第一个为准，可能后面的不会生效，因为有的时候无法做到既对第一行（列）进行升序排序又对第二行（列）进行排序。在指定行值进行排序的时候，必须设置axis=1，不然会报错，因为默认指定的是列索引，找不到这个索引所以报错，axis=1的意思是指定行索引。
二、排名
排名和排序有点类似，排名会有一个排名值（从1开始，一直到数组中有效数据的数量），它与numpy.argsort的间接排序索引差不多，只不过它可以根据某种规则破坏平级关系。
a、Series的排名
s = Series([1,3,2,1,6],index=["a","c","d","b","e"]) #默认是根据值的大小进行平均排名 ''' 1是最小的，所以第一个1排在第一，第二个1排在第二 因为取的是平均排名，所以1的排名为1.5 ''' print(s.rank()) ''' a 1.5 c 4.0 d 3.0 b 1.5 e 5.0 ''' #根据值在数组中出现的顺序进行排名 print(s.rank(method="first")) ''' a 1.0 c 4.0 d 3.0 b 2.0 e 5.0 '''
method参数除了,first按值在原始数据中的出现顺序分配排名，还有min使用整个分组的最小排名，max是用整个分组的最大排名，average使用平均排名，也是默认的排名方式。还可以设置ascending参数，设置降序还是升序排序。
b、DataFrame的排名
a = [[9, 3, 1], [1, 2, 8], [1, 0, 5]]
data = DataFrame(a, index=["0", "2", "1"], columns=["c", "a", "b"])
print(data)
'''
c a b
0 9 3 1
2 1 2 8
1 1 0 5
'''
#默认按列进行排名
print(data.rank())
'''
c a b
0 3.0 3.0 1.0
2 1.5 2.0 3.0
1 1.5 1.0 2.0
'''
#按行进行排名
print(data.rank(axis=1))
'''
c a b
0 3.0 2.0 1.0
2 1.0 2.0 3.0
1 2.0 1.0 3.0
'''
method参数和ascending参数的设置与Series一样。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持亿速云。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
