嘿，读者们！在本文中，我们将重点详细介绍 Python 中的DataFrame 排序。那么，让我们开始吧！
使用 sort_values() 函数对 DataFrame 进行排序
Python Pandas 模块为我们提供了各种处理大数据记录的函数。在根据数据帧处理数据记录时，我们经常遇到需要对数据进行排序并表示输出的情况。
这时，Python pandas.dataframe.sort_values()函数就派上用场了。
以自定义方式按升序或降序 sort_values() function对数据进行排序。
现在让我们重点关注下一节中的函数结构。
Python 中 sort_values() 函数的语法
看看下面的语法！
pandas.DataFrame.sort_values(by, axis=0, ascending=True, kind=’mergesort’) |
- by：表示要排序的列的列表。
- axis：0表示按行排序，1表示按列排序。
- ascending：如果为 True，则按升序对数据帧进行排序。
- kind：它可以具有三个值： ‘
Quicksort、mergesort或heapsort‘。
现在让我们在下一节中重点关注 sort_values() 函数的实现。
在 Python 中对数据框进行排序的示例代码
在这个例子中，我们最初创建了一个带有pandas.dataframe()函数的数据框。此外，我们使用 sort_values() 函数按降序对“RATE”列进行排序。
例子：
import pandas as pddata = pd.DataFrame([[3,0,1], [4,4,4], [1,7,7], [10,10,10]], index=['Python', 'Java', 'C','Kotlin'], columns=['RATE','EE','AA'])sort = data.sort_values("RATE", axis = 0, ascending = False)print("Data before sorting:\n")print(data)print("Data after sorting:\n")print(sort) |
输出：
Data before sorting: RATE EE AAPython 3 0 1Java 4 4 4C 1 7 7Kotlin 10 10 10Data after sorting: RATE EE AAKotlin 10 10 10Java 4 4 4Python 3 0 1C 1 7 7 |
在下面的示例中，我们将上述数据帧总共按两列排序 -“EE”和“AA”，如下所示。
例子：
import pandas as pddata = pd.DataFrame([[3,0,1], [4,4,4], [1,7,7], [10,10,10]], index=['Python', 'Java', 'C','Kotlin'], columns=['RATE','EE','AA'])sort = data.sort_values(["EE","AA"], axis = 0, ascending = True)print("Data before sorting:\n")print(data)print("Data after sorting:\n")print(sort) |
输出：
如下所示，数据框分别按“EE”和“AA”列按升序排序。
Data before sorting: RATE EE AAPython 3 0 1Java 4 4 4C 1 7 7Kotlin 10 10 10Data after sorting: RATE EE AAPython 3 0 1Java 4 4 4C 1 7 7Kotlin 10 10 10 |
结论
至此，我们这个话题就结束了。我们已经了解了 sort_values() 函数对数据帧进行排序的功能。
如果您遇到任何问题，请随时在下面发表评论。有关更多与 Python 相关的此类帖子，请继续关注并不断学习！