文章目录

  • 一、按索引排序:sort_index()
    • 1. Series类型排序
      • 1)升序
      • 2)降序
    • 2. DataFrame类型排序
      • 1)按行索引排序
      • 2)按列索引排序
  • 二、按值排序:sort_values()
    • 1. Series类型排序
      • 1)升序
      • 2)降序
    • 2. DataFrame类型排序
      • 1)单列排序
      • 2)多列排序
      • 3)排序算法
      • 4)缺失值
      • 5)key参数
  • 三、排名:rank()
    • 1. method=’average’排名
    • 2. method=’min’排名
    • 3. method=’max’排名
    • 4. method=’first’排名
    • 5. method=’dense’排名

对数据集进行排序和排名的是常用最基础的数据分析手段,pandas提供了方便的排序和排名的方法,通过简单的语句和参数就可以实现常用的排序和排名

一、按索引排序:sort_index()

sort_index() 是 pandas 中按索引排序的函数,默认情况下, sort_index 是按行索引来排序。

语法格式

sort_index(        self,        axis=0,        level=None,        ascending: bool | int | Sequence[bool | int] = True,        inplace: bool = False,        kind: str = "quicksort",        na_position: str = "last",        sort_remaining: bool = True,        ignore_index: bool = False,        key: IndexKeyFunc = None,    )

常用参数说明

  • axis:默认为axis=0表示按行排序,当axis=1表示按列排序。
  • ascending:默认为True升序排序,为False降序排序
  • inplace:是否修改原始数据

1. Series类型排序

Series对象排序中,axis参数只能为0

1)升序

默认 ascending=True 升序

import pandas as pdimport numpy as npdf = pd.Series([1, 2, 3, 4], index=["A", "B", "C", "D"])print(df.sort_index())

运行结果:

2)降序

设置 ascending=False 倒序

import pandas as pdimport numpy as npdf = pd.Series([1, 2, 3, 4], index=["A", "B", "C", "D"],)print(df.sort_index(ascending=False))

运行结果:

2. DataFrame类型排序

1)按行索引排序

默认 axis=0 按行标签索引排序

    1. 默认 ascending=True 升序排序
    import pandas as pdimport numpy as npdata = np.arange(16).reshape((4, 4))df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_index(axis=0))

    1. 设置 ascending=False 倒序
    import pandas as pdimport numpy as npdata = np.arange(16).reshape((4, 4))df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_index(axis=0, ascending=False))

    运行结果:

2)按列索引排序

设置 axis=1 按列标签索引排序

    1. 默认 ascending=True 升序排序
    import pandas as pdimport numpy as npdata = np.arange(16).reshape((4, 4))df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_index(axis=1, ascending=True))

    运行结果:

    1. 设置 ascending=False 倒序
    import pandas as pdimport numpy as npdata = np.arange(16).reshape((4, 4))df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_index(axis=1, ascending=False))

二、按值排序:sort_values()

在实际数据分析过程中用得最多是按某一列的值进行排序,在pandas中sort_values() 是按数值排序的方法

1. Series类型排序

语法格式

sort_values(        self,        axis=0,        ascending: bool | int | Sequence[bool | int] = True,        inplace: bool = False,        kind: str = "quicksort",        na_position: str = "last",        ignore_index: bool = False,        key: ValueKeyFunc = None,    )

常用参数说明

  • axis:只能为0
  • ascending:默认为True升序排序,为False降序排序
  • inplace:是否修改原始Series

1)升序

默认 ascending=True 升序

import pandas as pdimport numpy as npdf = pd.Series([5, 3, 2, 4, 1], index=["A", "B", "C", "D", "E"])print(df)print(df.sort_values())

运行结果:

2)降序

设置 ascending=False 倒序

import pandas as pdimport numpy as npdf = pd.Series([5, 3, 2, 4, 1], index=["A", "B", "C", "D", "E"])print(df)print(df.sort_values(ascending=False))

运行结果:

2. DataFrame类型排序

语法格式

sort_values(  # type: ignore[override]        self,        by,        axis: Axis = 0,        ascending=True,        inplace: bool = False,        kind: str = "quicksort",        na_position: str = "last",        ignore_index: bool = False,        key: ValueKeyFunc = None,    )

常用参数说明

  • by:字符串或者List,单列排序或者多列排序
  • ascending:默认为True升序排序,为False降序排序
  • inplace:是否修改原始数据
  • kind:选择排序算法,默认是 ‘quicksort’,该参数只针对单个列时才有效
    • mergesort:归并排序
    • heapsort:堆排序
    • quicksort:快速排序
  • na_position:缺失值处理
    • last:缺失值排最后
    • first:缺失值排开头

1)单列排序

    1. 默认 ascending=True 升序排序
    import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_values(by='a'))

    运行结果:

    1. 设置 ascending=False 倒序
    import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_values(by='a',ascending=False))

    运行结果:

2)多列排序

    1. 两列排序:默认 ascending=True 升序排序
import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_values(by=['a','b']))

运行结果:

    1. 两列排序:默认 ascending=False 降序排序
    import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)print(df.sort_values(by=['a','b'],ascending=False))

    运行结果:

    1. 两列排序:分别指定排序方法
    import pandas as pdimport numpy as npdata = values = [[4, 7, 3, 1], [5, 3, 9, 8], [4, 1, 8, 5], [6, 2, 3, 5]]df = pd.DataFrame(data, columns=['c', 'a', 'b', 'd'], index=['D', 'B', 'C', 'A'])print(df)# 分别指定升序和降序print(df.sort_values(by=['a','b'], ascending=[True, False]))

    运行结果:

3)排序算法

几种排序主要是程序运行时占用的资源和运行速度有差异

kind:选择排序算法,默认是 ‘quicksort’,该参数只针对单个列时才有效

  • mergesort:归并排序
  • heapsort:堆排序
  • quicksort:快速排序

4)缺失值

na_position:缺失值处理

  • last:缺失值排最后
  • first:缺失值排开头

1、默认 na_position = last 缺失值排最后:

import pandas as pdimport numpy as npdata = {'A': [1, 5, 9, 6, 3],        'B': [5, 9, 2, np.nan, 3],        'C': [0, 8, 4, 3, 2],        }df = pd.DataFrame(data)print(df)print(df.sort_values(by='B'))

运行结果:

2、设置 na_position = first 缺失值排开头:

import pandas as pdimport numpy as npdata = {'A': [1, 5, 9, 6, 3],        'B': [5, 9, 2, np.nan, 3],        'C': [0, 8, 4, 3, 2],        }df = pd.DataFrame(data)print(df)print(df.sort_values(by='B',na_position = 'first'))

运行结果:

5)key参数

通过设置 key 参数,可以将列按照特定条件进行排序,对比下下面的排序

import pandas as pdimport numpy as npdata = {'A': ['BB', 'AA', 'DD', 'EE','CC'],        'B': [5, 9, 2, np.nan, 3],        'C': [0, 8, 4, 3, 2],        }df = pd.DataFrame(data)print(df.sort_values(by='B'))# key参数:字符串所有大写字符转化为小写print(df.sort_values(by='B', key=lambda col: col.str.lower()))

三、排名:rank()

沿轴计算数值数据等级(1到n)。默认情况下,相等的值被分配一个等级,该等级是这些值的等级的平均值。

语法格式

rank(        self: FrameOrSeries,        axis=0,        method: str = "average",        numeric_only: bool_t | None = None,        na_option: str = "keep",        ascending: bool_t = True,        pct: bool_t = False,    ) -> FrameOrSeries

最重要的参数就是method,指定排名时用于破坏平级关系的method选项(注:值相同的位同一个分组):

  • average:默认值,在每个组中分配平均排名
  • min:使用整个整个分组的最小排名
  • max: 使用整个分组的最大排名
  • first: 按值在原始数据中的出现顺序分配排名
  • dense:类似于method=‘min’,但组件排名总是加1,而不是一个组中的相等元素的数量

1. method=’average’排名

通过“为各组分配一个平均排名”的方式破坏平级关系的为各组分配一个平均排名

import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank())

运行结果:

[3, 4, -2, 1, 4, 5],我们手动排一下,-2是第1名,1是第2名,3是第3,4是第4,4是第5,5是第6。其中两个4的排名分别是4和5,在默认的排法,他们平均数4.5,所以两个排名都是4.5。

2. method=’min’排名

为各组分配一个最小排名

import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank(method='min'))

运行结果:

[3, 4, -2, 1, 4, 5],我们手动排一下,-2是第1名,1是第2名,3是第3,4是第4,4是第5,5是第6。其中两个4的排名分别是4和5,在min排法,他们最小值是4,所以两个排名都是4。

3. method=’max’排名

为各组分配一个最大排名,与’min’相反

import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank(method='max'))


[3, 4, -2, 1, 4, 5],我们手动排一下,-2是第1名,1是第2名,3是第3,4是第4,4是第5,5是第6。其中两个4的排名分别是4和5,在max排法,他们最大值是5,所以两个排名都是5。

4. method=’first’排名

不为各组分配任何排名,不改变原有排名,这种情况下没有小数点,相同的数谁先出现谁就排前面

import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank(method='first'))

[3, 4, -2, 1, 4, 5],我们手动排一下,-2是第1名,1是第2名,3是第3,4是第4,4是第5,5是第6。其中两个4的排名分别是4和5,在first排法中,相同的数谁先出现谁就排前面。

5. method=’dense’排名

为各组分配一个稠密度计算后的排名,它与min唯一的区别就是,重复的不会占坑位,比较常用的排名,比如班级名次,有几个人并列第n名,不影响紧跟着的n+1名。所以dense总是连续的,即组间排名总是+1,不过只是会有重复的而已。

import pandas as pdimport numpy as npdf = pd.Series([3, 4, -2, 1, 4, 5])print(df)print(df.rank(method='dense'))

运行结果:

[3, 4, -2, 1, 4, 5],我们手动排一下,-2是第1名,1是第2名,3是第3,4是第4,4是第5,5是第6。其中两个4的排名分别是4和5,在dense排法中,相同的数不会站坑位,两个4排名都是4,5排名就是5。