如何对Pandas DataFrame进行排序？示例代码

你可以使用df.sort_values对 Pandas的DataFrame 进行排序。

在这个简短的教程中，你将看到 4 个对Pandas DataFrame进行排序的示例：

1. 按升序排列的列
2. 按降序排列的列
3. 按多列 – 案例 1
4. 按多列 – 案例 2

从一个简单的例子开始，假设你有以下关于汽车的数据 ：

Brand	Price	Year
HH	22000	2015
TT	25000	2013
FF	27000	2018
AA	35000	2018

然后，你可以通过创建以下DataFrame在 Python 中捕获该数据：

import pandas as pd
 
data = {'Brand': ['HH','TT','FF','AA'],
        'Price': [22000,25000,27000,35000],
        'Year': [2015,2013,2018,2018]
        }
 
df = pd.DataFrame(data, columns=['Brand','Price','Year'])

print (df)

如果你运行上面的Python代码，你会得到以下 DataFrame：

  Brand  Price  Year
0    HH  22000  2015
1    TT  25000  2013
2    FF  27000  2018
3    AA  35000  2018

接下来，你将看到如何使用 4 个不同的示例对该 DataFrame 进行排序。

实例1：排序Pandas数据帧中的 升序 顺序

如何排序Pandas DataFrame？假设你要对 DataFrame 进行排序，以便品牌将以升序显示。在这种情况下，你需要将以下语法添加到代码中：

df.sort_values(by=['Brand'], inplace=True)

请注意，除非指定，否则默认情况下值将按升序排序。

完整的 Python 代码如下所示：

import pandas as pd
 
data = {'Brand': ['HH','TT','FF','AA'],
        'Price': [22000,25000,27000,35000],
        'Year': [2015,2013,2018,2018]
        }
 
df = pd.DataFrame(data, columns=['Brand','Price','Year'])

# sort Brand in an ascending order
df.sort_values(by=['Brand'], inplace=True)

print (df)

运行代码时，你会注意到 Brand 确实会按升序排序，其中 'AA' 将是第一条记录，而 'TT' 将是最后一条：

  Brand  Price  Year
3    AA  35000  2018
2    FF  27000  2018
0    HH  22000  2015
1    TT  25000  2013

实例2：排序数据帧熊猫以 降序 顺序

或者，你可以按降序对 Brand 列进行排序。为此，对Pandas DataFrame进行排序，只需按以下方式添加Ascending=False的条件 ：

df.sort_values(by=['Brand'], inplace=True, ascending=False)

完整的 Python 代码为如下的Pandas DataFrame排序示例：

import pandas as pd
 
data = {'Brand': ['HH','TT','FF','AA'],
        'Price': [22000,25000,27000,35000],
        'Year': [2015,2013,2018,2018]
        }
 
df = pd.DataFrame(data, columns=['Brand','Price','Year'])

# sort Brand in a descending order
df.sort_values(by=['Brand'], inplace=True, ascending=False)

print (df)

如何排序Pandas DataFrame？你现在会注意到 'TT' 将是第一条记录，而 'AA' 将是最后一条（正如你在为我们的样本应用降序时所期望的那样）：

  Brand  Price  Year
1    TT  25000  2013
0    HH  22000  2015
2    FF  27000  2018
3    AA  35000  2018

示例 3：按多列排序 – 案例 1

但是如果你想按多列排序怎么办？

在这种情况下，你可以使用以下模板按多列排序：

df.sort_values(by=['First Column','Second Column',...], inplace=True)

假设你想要作为排序依据 双方的“年份”和“价格”。由于你有两个年份为 2018 年的记录（即“FF”和“AA”品牌），那么按第二列（“价格”列）排序会很有用：

 df.sort_values(by=['Year','Price'], inplace=True)

这是你可以使用的 Python 代码：

import pandas as pd
 
data = {'Brand': ['HH','TT','FF','AA'],
        'Price': [22000,25000,27000,35000],
        'Year': [2015,2013,2018,2018]
        }
 
df = pd.DataFrame(data, columns=['Brand','Price','Year'])

# sort by multiple columns: Year and Price
df.sort_values(by=['Year','Price'], inplace=True)

print (df)

请注意，所有记录现在都按年份和价格升序排序，因此 'FF' 将出现在 'AA' 之前：

  Brand  Price  Year
1    TT  25000  2013
0    HH  22000  2015
2    FF  27000  2018
3    AA  35000  2018

还要注意的是，执行排序时，它被放置在df.sort_values的“年份”列将优先级之前， “价格”栏。

示例 4：按多列排序 – 案例 2

对Pandas DataFrame进行排序，最后，我们按照‘Year’和‘Brand’的列进行排序，如下所示：

df.sort_values(by=['Year','Brand'], inplace=True)

完整的 Python 代码如下Pandas DataFrame排序示例所示：

import pandas as pd
 
data = {'Brand': ['HH','TT','FF','AA'],
        'Price': [22000,25000,27000,35000],
        'Year': [2015,2013,2018,2018]
        }
 
df = pd.DataFrame(data, columns=['Brand','Price','Year'])

# sort by multiple columns: Year and Brand
df.sort_values(by=['Year','Brand'], inplace=True)

print (df)

如何排序Pandas DataFrame？你现在将看到所有记录都按年份和品牌按升序排序，因此这次 'AA' 将出现在 'FF' 之前：

  Brand  Price  Year
1    TT  25000  2013
0    HH  22000  2015
3    AA  35000  2018
2    FF  27000  2018

你可能需要查看Pandas 文档以了解有关在 Pandas DataFrame 中对值进行排序的更多信息。