pandas sort_values() 排序

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

数据处理和分析中排序是最常见的操作之一，可以将我们关心的数据展示在前面或者后边。pandas 的 sort_values() 方法能够实现灵活的数据排序方案，不仅是简单的按列排序，还能指定自己的排序算法。

支持的对象

sort_values() 支持 DataFrame、Series 和 Index 对象：

pandas.Series.sort_values
pandas.DataFrame.sort_values
pandas.Index.sort_values

语法

sort_values() 的语法一般为：

sort_values(
        self, # 对象自身
        by,
        axis: Axis = 0,
        ascending=True,
        inplace: bool = False,
        kind: str = "quicksort",
        na_position: str = "last",
        ignore_index: bool = False,
        key: ValueKeyFunc = None,
    )

参数有：

by : str 或者字符组成的列表
- 要排序的列或者多个列
- 如果 axis 是 0/index 行级排序（按列排）
- 如果 axis 是 1/columns 列级排序（按行排）
- 如果对象是 Series 则没有这个参数
axis : {0 or 'index', 1 or 'columns'}, 默认 0
- 要排序的轴
ascending : bool 或者 bool 列表, 默认为 True。
- 升序与降序排序，指定多个排序顺序的列表。如果这是一个布尔列表，则必须匹配 by 的长度。
inplace : bool, 默认 False
- 如果为 True，则就地执行操作。
kind : 可选的有 {'quicksort', 'mergesort', 'heapsort', 'stable'}, 默认 'quicksort'
- 排序算法的选择。请参阅 numpy.sort 了解更多信息
- mergesort 和 stable 是唯一稳定的算法
- 对于 DataFrame，此选项仅在对单个列或标签进行排序时应用。
na_position : {'first', 'last'}, 默认 'last'
- 缺失值的位置
- 如果 first，则将 NaNs 放在开头
- last 将 NaN 放在最后。
ignore_index : bool, 默认 False
- 如果为 True，则重新生成的轴将标记为 0、1、...、n - 1
key : 可调用对象 callable, 可选参数
- 自定义排序方法，在排序之前将键函数应用于值
- 类似于 Python 内置的函数 sorted 函数中的 key 参数，但区别是这个 key 函数应该是矢量化的
- 它应该传入一个 Series 并返回一个与输入具有相同形状的 Series
- 它将独立应用于 by 中的每一列

重新排序后的 DataFrame、Series要等
inplace=True 时返回 None

使用示例

以下是一些使用示例。

df = pd.DataFrame({
    'col1': ['A', 'A', 'B', np.nan, 'D', 'C'],
    'col2': [2, 1, 9, 8, 7, 4],
    'col3': [0, 1, 9, 4, 2, 3],
    'col4': ['a', 'B', 'c', 'D', 'e', 'F']
})
df
'''
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F
'''

# 按 col1 排序
df.sort_values(by=['col1'])
'''
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
5    C     4     3    F
4    D     7     2    e
3  NaN     8     4    D
'''

# 多列排序
df.sort_values(by=['col1', 'col2'])
'''
  col1  col2  col3 col4
1    A     1     1    B
0    A     2     0    a
2    B     9     9    c
5    C     4     3    F
4    D     7     2    e
3  NaN     8     4    D
'''

# 降序
df.sort_values(by='col1', ascending=False)
'''
  col1  col2  col3 col4
4    D     7     2    e
5    C     4     3    F
2    B     9     9    c
0    A     2     0    a
1    A     1     1    B
3  NaN     8     4    D
'''

# 将 NA 放在前边
df.sort_values(by='col1',
               ascending=False,
               na_position='first')
'''
  col1  col2  col3 col4
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F
2    B     9     9    c
0    A     2     0    a
1    A     1     1    B
'''

使用键函数排序。

df.sort_values(by='col4',
               key=lambda col: col.str.lower()
              )
'''
   col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F
'''

# 带关键参数的自然排序
# 使用 natsort <https://github.com/SethMMorton/natsort>
df = pd.DataFrame({
   "time": ['0hr', '128hr', '72hr', '48hr', '96hr'],
   "value": [10, 20, 30, 40, 50]
})
df
'''
    time  value
0    0hr     10
1  128hr     20
2   72hr     30
3   48hr     40
4   96hr     50
'''

from natsort import index_natsorted
df.sort_values(
   by="time",
   key=lambda x: np.argsort(index_natsorted(df["time"]))
)
'''
    time  value
0    0hr     10
3   48hr     40
2   72hr     30
4   96hr     50
1  128hr     20
'''

Index 对象

Index 对象也支持 sort_values()，但它的参数与逻辑稍有不同。

语法如：

Index.sort_values(return_indexer=False,
                  ascending=True,
                  na_position='last',
                  key=None)

参数的意义与上文的介绍基本相同，不同的的会有一个 return_indexerbool 参数：

return_indexer: bool, 默认为 False，是否应该返回对索引进行排序的索引。

它将返回索引的排序副本，并可以选择返回对索引本身进行排序的索引。

示例如下：

idx = pd.Index([10, 100, 1, 1000])
idx
# Int64Index([10, 100, 1, 1000], dtype='int64')

按升序对值进行排序（默认行为）:

idx.sort_values()
Int64Index([1, 10, 100, 1000], dtype='int64')

按降序对值进行排序，并获得索引 idx 的排序依据。

idx.sort_values(ascending=False, return_indexer=True)
(Int64Index([1000, 100, 10, 1], dtype='int64'), array([3, 1, 0, 2]))

返回的是一个元组。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.sort_values.html
https://pandas.pydata.org/docs/reference/api/pandas.Index.sort_values.html

pandas sort_values() 排序

支持的对象

语法

使用示例

Index 对象

参考

相关内容