hand
8
_1_21_56
4
python3.X - 数据分析 - Pandas
共95篇
python3.X - 数据分析 - Pandas
返回栏目
1k
0k
5k
0k
0.1k
0k
2k
3k
1k
1k
0.2k
3k
0k
4k
3k
3k
3k
3k
0.5k
5k
1k
0.3k
3k
4k
7k
2k
7k
0.8k
0.9k
1k
1k
2k
0.4k
0.6k
0.6k
0.5k
0.9k
0.9k
1k
0.9k
1k
0.8k
1k
0.4k
0.4k
0.3k
0.6k
1k
0.9k
1k
1k
1k
0.8k
1k
0.8k
1k
0.7k
0.6k
4k
0.4k
3k
0.7k
0.8k
0.8k
0.2k
2k
1k
0.7k
0.7k
0.4k
0.5k
3k
0.1k
0.7k
0.9k
0.3k
1k
0.4k
0.4k
1k
0.5k
0.1k
0.7k
1k
0k
0.2k
0.7k
0.3k
0k
0k
0.1k
0k
0k
0k
3k
返回python3.X - 数据分析 - Pandas栏目
作者:
贺及楼
成为作者
更新日期:2024-11-23 14:54:35
Pandas 的 sort_values() 函数用于根据一个或多个列中的值对 DataFrame 进行排序。这个函数非常灵活,可以处理升序、降序排序,以及多层排序规则。
以下是 sort_values() 函数的一些关键特点:
基本排序:
可以对一个列进行升序或降序排序。
多列排序:
可以指定多个列,DataFrame 将根据这些列的值进行排序。
排序顺序:
可以为每个列指定排序顺序(升序或降序)。
就地排序:
通过设置 inplace=True,可以在原 DataFrame 上进行排序,不返回新的 DataFrame。
排序轴:
默认沿行的方向(axis=0)进行排序,axis=1 表示沿列的方向。
处理空值:
可以指定空值排序的位置(默认为排序在末尾)。
保持索引:
设置 ignore_index=True 可以在排序后重置索引。
import numpy as np
import pandas as pd
df = pd.DataFrame(data=[{"A":"1", "B":"3"}, {"A":"3", "B":"2"}, {"A":"2", "B":"1"}])
df = pd.DataFrame(data=[{"A":1, "B":3}, {"A":3, "B":2}, {"A":2, "B":1}])
A | B | |
---|---|---|
0 | 1 | 3 |
1 | 3 | 2 |
2 | 2 | 1 |
A列升序,上小下大
df_sort = df.sort_values(by='A')
print(df_sort)
B列降序,上大下小
df_sort = df.sort_values(by='B', ascending=False)
print(df_sort)
C列降序,上大下小
D列升序,上小下大
df_sort = df.sort_values(by=['C', 'D'], ascending=['False', 'True'])
df_sort = df.sort_values(by=['C', 'D'], ascending=[True, False])
print(df_sort)
A列升序,上小下大,缺失值(NaN)在前
df_sort = df.sort_values(by='A', na_position='first')
print(df_sort)
A列升序,上小下大,缺失值(NaN)在后
df_sort = df.sort_values(by='A', na_position='last')
print(df_sort)
作用是让index索引从0排好
df = df.reset_index()
python3.X - 数据分析 - Pandas
整章节共95节
快分享给你的小伙伴吧 ~