作者 | 阳哥
来源 | Python数据之道
Pandas 可以说是 在Python数据科学领域应用最为广泛的工具之一。
Pandas是一种高效的数据处理库,它以 dataframe
和 series
为基本数据类型,呈现出类似excel的二维数据。
在数据处理过程中,咱们经常需要将数据按照一定的要求进行排序,以方便展示。
这里,来给大家分享下 在 Pandas 中排序的几种常用方法,主要包括 sort_index
和 sort_values
。
pandas
和 numpy
,首先导入 Python 库,如下:importpandasaspd
importnumpyasnp
print(f'pandasversion:{pd.__version__}')
#pandasversion1.3.2
data={
'brand':['Python数据之道','价值前瞻','菜鸟数据之道','Python','Java'],
'B':[4,6,8,12,10],
'A':[10,2,5,20,16],
'D':[6,18,14,6,12],
'years':[4,1,1,30,30],
'C':[8,12,18,8,2],
}
index=[9,3,4,5,2]
df=pd.DataFrame(data=data,index=index)
df
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。ascending
可以设置升序或降序排列,默认情况下是 ascending=True
,为升序排列。ascending=False
时,为降序排列,如下:axis=1
可实现按列的名称排序,如下:ascending
的值,如下:sort_values()
是 pandas 中按数值排序的函数。sort_values()
中设置单个列的列名称,可以对单个列进行排序,通过设置参数 ascending
可以设置升序或降序排列,如下:sort_values()
可以对多个列进行不同的排序,通过设置列明和排序方式组合来实现,如下:ascending
,years
列为升序,B
列为降序,如下:ignore_index
参数,来对行索引重新设置,如下:inplace
是 pandas 中常见的一个参数。inplace = True
:不创建新的对象,直接对原始对象进行修改;默认是 False
,即创建新的对象进行修改,原对象不变,和深复制和浅复制有些类似。data={
'brand':['Python数据之道','价值前瞻','菜鸟数据之道','Python','Java'],'B':[4,6,8,np.nan,12],
'A':['Lemon','emma','ZW','app','John'],
'D':[6,18,14,6,12],
'years':[4,1,1,30,30],
'C':[8,12,18,8,2],
}
index=[9,3,4,5,2]
df1=pd.DataFrame(data=data,index=index)
df1
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:
分享
点收藏
点点赞
点在看
文章转发自AI科技大本营微信公众号,版权归其所有。文章内容不代表本站立场和任何投资暗示。
Copyright © 2021.Company 元宇宙YITB.COM All rights reserved.元宇宙YITB.COM