數據分析利器pandas排序詳解：讓你的數據有序可觀
導語：在進行數據分析的過程中，對數據進行排序是非常常見且重要的操作。排序能夠使得數據有序可觀，便于我們對數據進行分析和可視化。在Python中，pandas庫提供了強大的排序功能，本文將詳細介紹pandas的排序方法，并給出具體的代碼示例。
一、排序的基本概念
在數據分析中，排序可以按照某一列或多列進行升序或降序排列。其中，升序表示按照從小到大的順序排列，降序表示按照從大到小的順序排列。
二、pandas排序方法
在pandas中，常用的排序方法有兩種：sort_values()和sort_index()。
- sort_values()
sort_values()方法用于按值排序，即按列中的數值進行排序。該方法有以下常用參數：
by：要排序的列名，可以是單個列名或一個包含多個列名的列表。
ascending：排序的方式，True表示升序，False表示降序，默認為True。
inplace：是否在原數據上進行修改，True表示在原數據上進行修改，False表示生成一個新的排序后的數據副本，默認為False。
- sort_index()
sort_index()方法用于按索引排序，即按行的索引進行排序。該方法有以下常用參數：
axis：排序的軸方向，0表示按行索引排序，1表示按列索引排序，默認為0。
ascending：排序的方式，True表示升序，False表示降序，默認為True。
inplace：是否在原數據上進行修改，True表示在原數據上進行修改，False表示生成一個新的排序后的數據副本，默認為False。
三、pandas排序示例
下面通過幾個實例來展示pandas的排序功能。
- 按單列排序
假設有如下一組數據：
import pandas as pd
data = {'姓名': ['Tom', 'Jerry', 'Spike', 'Tyke'],
'年齡': [20, 25, 18, 30],
'性別': ['男', '男', '女', '男']}
df = pd.DataFrame(data)
print(df)
登錄后復制
輸出結果為：
姓名 年齡 性別 0 Tom 20 男 1 Jerry 25 男 2 Spike 18 女 3 Tyke 30 男
登錄后復制
現在我們按照年齡列進行降序排序：
df.sort_values(by='年齡', ascending=False, inplace=True) print(df)
登錄后復制
輸出結果為：
姓名 年齡 性別 3 Tyke 30 男 1 Jerry 25 男 0 Tom 20 男 2 Spike 18 女
登錄后復制
- 按多列排序
在某些情況下，我們可能需要按照多個列進行排序。假設我們將上述數據添加一列“工資”，并按照年齡和工資進行排序：
data = {'姓名': ['Tom', 'Jerry', 'Spike', 'Tyke'],
'年齡': [20, 25, 18, 30],
'性別': ['男', '男', '女', '男'],
'工資': [5000, 6000, 4000, 7000]}
df = pd.DataFrame(data)
print(df)
登錄后復制
輸出結果為：
姓名 年齡 性別 工資 0 Tom 20 男 5000 1 Jerry 25 男 6000 2 Spike 18 女 4000 3 Tyke 30 男 7000
登錄后復制
現在我們按照年齡和工資進行降序排序：
df.sort_values(by=['年齡', '工資'], ascending=False, inplace=True) print(df)
登錄后復制
輸出結果為：
姓名 年齡 性別 工資 3 Tyke 30 男 7000 1 Jerry 25 男 6000 0 Tom 20 男 5000 2 Spike 18 女 4000
登錄后復制
- 按行索引排序
除了按列排序，我們也可以按照行索引進行排序。假設我們將上述數據的行索引修改為[‘c’, ‘a’, ‘b’, ‘d’]，然后按行索引進行升序排序：
df.index = ['c', 'a', 'b', 'd'] df.sort_index(axis=0, ascending=True, inplace=True) print(df)
登錄后復制
輸出結果為：
姓名 年齡 性別 工資 a Jerry 25 男 6000 b Spike 18 女 4000 c Tom 20 男 5000 d Tyke 30 男 7000
登錄后復制
