Python数据分析Pandas Dataframe排序操作

前言:

数据的排序是比较常用的操作,DataFrame 的排序分为两种,一种是对索引进行排序,另一种是对值进行排序,接下来就分别介绍一下。

1.索引的排序

DataFrame 提供了sort_index()方法来进行索引的排序,通过axis参数指定对行索引排序还是对列索引排序,默认为0,表示对行索引排序,设置为1表示对列索引进行排序;ascending参数指定升序还是降序,默认为True表示升序,设置为False表示降序,

具体使用方法如下:

Python数据分析Pandas Dataframe排序操作_第1张图片

对行索引进行降序排序:

sort_df = df.sort_index(ascending=False)
sort_df

Python数据分析Pandas Dataframe排序操作_第2张图片

对列索引升序排序:

sort_df = df.sort_index(axis=1)
sort_df

Python数据分析Pandas Dataframe排序操作_第3张图片

2.值的排序

DataFrame 提供了sort_values()方法来进行值的排序,相比sort_index()方法,它多了一个by参数,接收字符串或者列表,来指定要排序的行或者列名,其余基本一致,具体使用方法如下:

按age的值进行升序排序:

sort_df = df.sort_values(by="age")
sort_df

Python数据分析Pandas Dataframe排序操作_第4张图片

先按age的值进行升序排序,再按gender的值进行降序排序:

sort_df = df.sort_values(by=["age", "gender"], ascending=[True, False])
sort_df

结果输出如下:

Python数据分析Pandas Dataframe排序操作_第5张图片

排序完之后,如果想要调整一下行索引,可以使用以下方式重新设置一下行索引。

frame.reset_index(drop=True)

设置参数drop=True表示删除原索引,如果不想删除原索引,只是再加一列索引即可,可以不设定,如下:

Python数据分析Pandas Dataframe排序操作_第6张图片

到此这篇关于Python数据分析Pandas Dataframe排序操作的文章就介绍到这了,更多相关 Pandas Dataframe排序操作内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

你可能感兴趣的