数据排序

为了进行有效的数据分析，按有意义的顺序排列数据通常是必要的一步。排序允许您按从低到高、字母顺序或根据自定义标准查看数据，使模式更容易发现，特定条目更容易找到。Pandas 提供了灵活的方法，可以根据索引标签或列中的实际值对数据进行排序。

按索引排序

有时，您需要根据行或列标签（即索引）排列数据。如果索引表示时间序列、有序类别，或者只是需要按字母或数字顺序排列，这会特别有用。sort_index() 方法可处理这种情况。

我们从一个简单的 DataFrame 开始：

import pandas as pd
import numpy as np

data = {'col_b': [4, 7, 1, 8, 5],
        'col_a': ['apple', 'banana', 'orange', 'apple', 'banana'],
        'col_c': [10.0, np.nan, 20.0, 10.0, 15.0]}
df = pd.DataFrame(data, index=['R3', 'R1', 'R5', 'R2', 'R4'])

print("原始 DataFrame:")
print(df)

原始 DataFrame:
    col_b   col_a  col_c
R3      4   apple   10.0
R1      7  banana    NaN
R5      1  orange   20.0
R2      8   apple   10.0
R4      5  banana   15.0

请注意，行索引（R3、R1、R5 等）未按字母顺序排列。要根据索引标签对 DataFrame 行进行排序：

df_sorted_by_index = df.sort_index()

print("\n按行索引排序的 DataFrame（升序）：")
print(df_sorted_by_index)

按行索引排序的 DataFrame（升序）：
    col_b   col_a  col_c
R1      7  banana    NaN
R2      8   apple   10.0
R3      4   apple   10.0
R4      5  banana   15.0
R5      1  orange   20.0

默认情况下，sort_index() 按升序排序。要按降序排序，请使用 ascending=False 参数 (parameter)：

df_sorted_by_index_desc = df.sort_index(ascending=False)

print("\n按行索引排序的 DataFrame（降序）：")
print(df_sorted_by_index_desc)

按行索引排序的 DataFrame（降序）：
    col_b   col_a  col_c
R5      1  orange   20.0
R4      5  banana   15.0
R3      4   apple   10.0
R2      8   apple   10.0
R1      7  banana    NaN

您也可以通过列索引（列名）进行排序，通过指定 axis=1：

df_sorted_by_columns = df.sort_index(axis=1)

print("\n按列索引排序的 DataFrame（升序）：")
print(df_sorted_by_columns)

按列索引排序的 DataFrame（升序）：
     col_a  col_b  col_c
R3   apple      4   10.0
R1  banana      7    NaN
R5  orange      1   20.0
R2   apple      8   10.0
R4  banana      5   15.0

与许多 Pandas 操作一样，sort_index() 默认情况下会返回一个新的已排序 DataFrame。如果您想直接修改原始 DataFrame，请使用 inplace=True 参数。使用 inplace=True 时请务必小心，因为它会覆盖您的原始数据结构。

df_copy = df.copy() # 在副本上操作以保留原始 df
df_copy.sort_index(inplace=True)

print("\n按索引就地排序后的原始 DataFrame：")
print(df_copy)

按索引就地排序后的原始 DataFrame：
    col_b   col_a  col_c
R1      7  banana    NaN
R2      8   apple   10.0
R3      4   apple   10.0
R4      5  banana   15.0
R5      1  orange   20.0

按值排序

更常见的情况是，您会希望根据一个或多个列中的值对 DataFrame 进行排序。sort_values() 方法用于此目的。sort_values() 最重要的参数 (parameter)是 by，它指定了用于排序的列名（或列名列表）。

我们根据 col_b 中的值对原始 DataFrame df 进行排序：

df_sorted_by_col_b = df.sort_values(by='col_b')

print("\n按 'col_b' 排序的 DataFrame（升序）：")
print(df_sorted_by_col_b)

按 'col_b' 排序的 DataFrame（升序）：
    col_b   col_a  col_c
R5      1  orange   20.0
R3      4   apple   10.0
R4      5  banana   15.0
R1      7  banana    NaN
R2      8   apple   10.0

同样，默认排序顺序是升序。使用 ascending=False 可进行降序排序：

df_sorted_by_col_b_desc = df.sort_values(by='col_b', ascending=False)

print("\n按 'col_b' 排序的 DataFrame（降序）：")
print(df_sorted_by_col_b_desc)

按 'col_b' 排序的 DataFrame（降序）：
    col_b   col_a  col_c
R2      8   apple   10.0
R1      7  banana    NaN
R4      5  banana   15.0
R3      4   apple   10.0
R5      1  orange   20.0

您可以通过向 by 参数传递一个列名列表来通过多列进行排序。Pandas 将首先按列表中的第一列排序，然后使用第二列来处理并列情况，以此类推。

我们先按 col_a（按字母顺序）排序，然后对于 col_a 值相同的行，再按 col_b（按数字顺序）排序：

df_sorted_by_multi = df.sort_values(by=['col_a', 'col_b'])

print("\n按 'col_a' 然后按 'col_b' 排序的 DataFrame（升序）：")
print(df_sorted_by_multi)

按 'col_a' 然后按 'col_b' 排序的 DataFrame（升序）：
    col_b   col_a  col_c
R3      4   apple   10.0
R2      8   apple   10.0
R4      5  banana   15.0
R1      7  banana    NaN
R5      1  orange   20.0

请注意，带有“apple”的行在一起，并按 col_b 排序（4 然后 8），带有“banana”的行在一起，并按 col_b 排序（5 然后 7）。

当通过多列排序时，您还可以为每列指定不同的排序顺序。将布尔值列表传递给 ascending 参数，与传递给 by 的列表相对应。

我们按 col_a 升序和 col_b 降序排序：

df_sorted_by_multi_mixed = df.sort_values(by=['col_a', 'col_b'], ascending=[True, False])

print("\n按 'col_a'（升序）然后按 'col_b'（降序）排序的 DataFrame：")
print(df_sorted_by_multi_mixed)

按 'col_a'（升序）然后按 'col_b'（降序）排序的 DataFrame：
    col_b   col_a  col_c
R2      8   apple   10.0
R3      4   apple   10.0
R1      7  banana    NaN
R4      5  banana   15.0
R5      1  orange   20.0

现在，对于“apple”，col_b=8 的行排在 col_b=4 的行之前。对于“banana”，col_b=7 的行排在 col_b=5 的行之前。

排序时处理缺失值

排序时缺失值 (NaN) 会怎样？默认情况下，sort_values() 会将 NaN 值放置在排序输出的末尾，无论排序是升序还是降序。您可以使用 na_position 参数控制此行为，该参数接受 'first' 或 'last'。

我们对 col_c（包含 NaN）进行排序，并明确将 NaN 放在首位：

df_sorted_nan_first = df.sort_values(by='col_c', na_position='first')

print("\n按 'col_c' 排序的 DataFrame，NaN 优先：")
print(df_sorted_nan_first)

按 'col_c' 排序的 DataFrame，NaN 优先：
    col_b   col_a  col_c
R1      7  banana    NaN
R3      4   apple   10.0
R2      8   apple   10.0
R4      5  banana   15.0
R5      1  orange   20.0

与 sort_index() 一样，sort_values() 也接受 inplace=True 参数以直接修改 DataFrame。

排序是一种基本操作，用于组织和理解数据。无论是按索引标签排列行，还是根据列内容排序，sort_index() 和 sort_values() 方法都提供了必要的工具，为您的 DataFrames 带来结构。