对 pandas 中的行和列进行排序 - Python

简介

Pandas是Python中一个重要的数据分析工具，它支持数据清洗、转换、分析和可视化等功能。在数据分析过程中，数据的排序是非常重要的一步。Pandas中提供了丰富的方法来对行和列进行排序，这使得数据的分析更加方便快捷。

对行进行排序

在Pandas中，我们可以使用sort_values()方法来对行进行排序。该方法可以根据某一列或多列的值来对行进行排序，下面是一个简单的例子：

import pandas as pd

# 创建DataFrame
data = {'name': ['Tom', 'Andy', 'Bob', 'Daisy'],
        'age': [25, 30, 20, 25],
        'score': [90, 70, 80, 75]}
df = pd.DataFrame(data)

# 按照age列进行排序
df.sort_values('age', inplace=True)
print(df)

该程序会按照age列的值从小到大对行进行排序，并输出排序后的结果。如果我们想要按照某一列的值从大到小排序，可以使用ascending=False参数来实现。

对列进行排序

在Pandas中，我们可以使用sort_index()方法来对列进行排序。该方法可以根据列的索引名称对列进行排序，下面是一个例子：

import pandas as pd

# 创建DataFrame
data = {'name': ['Tom', 'Andy', 'Bob', 'Daisy'],
        'age': [25, 30, 20, 25],
        'score': [90, 70, 80, 75]}
df = pd.DataFrame(data)

# 按照列索引名称进行排序
df.sort_index(axis=1, inplace=True)
print(df)

该程序会按照列索引名称的字典序对列进行排序，并输出排序后的结果。如果我们想要按照列索引名称的字典序反向排序，可以使用ascending=False参数来实现。

多列排序

在Pandas中，我们还可以对多列进行排序。例如，下面的例子将按照age列和score列的值对行进行排序，代码如下：

import pandas as pd

# 创建DataFrame
data = {'name': ['Tom', 'Andy', 'Bob', 'Daisy'],
        'age': [25, 30, 20, 25],
        'score': [90, 70, 80, 75]}
df = pd.DataFrame(data)

# 按照age列和score列进行排序
df.sort_values(by=['age', 'score'], inplace=True)
print(df)

该程序将首先按照age列的值进行排序，如果age列的值相同，再按照score列的值进行排序。结果将按照age列和score列的值从小到大排序，并输出排序后的结果。

结论

Pandas中提供了多种排序方法，使得数据的分析更加方便快捷。我们可以使用sort_values()方法对行进行排序，使用sort_index()方法对列进行排序，还可以对多列进行排序。通过灵活地运用这些方法，我们能够更好地展示和分析数据。