迹忆客 专注技术分享

我们将介绍 pandas.DataFrame.sort_values 方法来对 DataFrame 值进行排序，以及类似 ascending 选项来指定排序顺序，以及 na_position 来确定 NaN 在排序结果中的位置。

参考下面的 DataFrame，

import pandas as pd

df = pd.DataFrame(
    {
        "col1": ["g", "t", "n", "w", "n", "g"],
        "col2": [5, 2, 5, 1, 3, 6],
        "col3": [0, 7, 2, 8, 1, 2],
    }
)
print(df)

如果运行此代码，你将得到以下尚未排序的输出。

    col1  col2  col3
0    g     5     0
1    t     2     7
2    n     5     2
3    w     1     8
4    n     3     1
5    g     6     2

现在我们可以使用以下代码对 DataFrame 进行排序。

import pandas as pd

df = pd.DataFrame(
    {
        "col1": ["g", "t", "n", "w", "n", "g"],
        "col2": [5, 2, 5, 1, 3, 6],
        "col3": [0, 7, 2, 8, 1, 2],
    }
)
print(df.sort_values(by=["col1"]))

我们按 col1 对 DataFrame 进行了排序。运行上面的代码后，你将获得以下输出。

    col1  col2  col3
0    g     5     0
5    g     6     2
2    n     5     2
4    n     3     1
1    t     2     7
3    w     1     8

我们也可以使用多个列进行排序，让我们如下更改上述代码的最后一行，

print(df.sort_values(by=["col1", "col2"]))

运行代码后，我们将获得以下输出。

    col1  col2  col3
0    g     5     0
5    g     6     2
4    n     3     1
2    n     5     2
1    t     2     7
3    w     1     8

现在，DataFrame 也通过 col2 进一步排序。

DataFrame 排序顺序-参数 Ascending

默认情况下，排序按升序排列，要按降序更改 DataFrame，我们需要设置标志 ascending=False。

print(df.sort_values(by=["col1", "col2"], ascending=False))

运行代码后，我们将获得以下输出。

    col1  col2  col3
3    w     1     8
1    t     2     7
2    n     5     2
4    n     3     1
5    g     6     2
0    g     5     0

DataFrame 排序顺序 - 参数 na_position

na_position 在排序后指定 NaN 的位置.last 将 NaN 放在排序的最后，它的默认值是 first，将 NaN 放在排序结果的开头。

参考下面的 DataFrame，

import numpy as np
import pandas as pd

s = pd.Series([np.nan, 2, 4, 10, 7])
print(s.sort_values(na_position="last"))

运行代码后，我们将获得以下输出。

1 2.0
2 4.0
4 7.0
3 10.0
0 NaN