📜  Python| Pandas Dataframe.sort_values() |第一组

📅  最后修改于: 2022-05-13 01:55:48.675000             🧑  作者: Mango

Python| Pandas Dataframe.sort_values() |第一组

Python是一种用于进行数据分析的出色语言,主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一,它使导入和分析数据变得更加容易。
Pandas sort_values()函数按传递的列的升序或降序对数据框进行排序。它与 sorted Python函数不同,因为它无法对数据框进行排序并且无法选择特定列。
我们来讨论Dataframe.sort_values()单参数排序:
句法:


每个参数都有一些默认值,除了 'by' 参数。
参数:

返回类型:

有关代码中使用的 CSV 文件的链接,请单击此处。
示例 #1:按名称排序
在以下示例中,数据框由 csv 文件制成,数据框按玩家姓名的升序排序。
分拣前——

Python
# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# display
data


Python
# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# sorting data frame by name
data.sort_values("Name", axis = 0, ascending = True,
                 inplace = True, na_position ='last')
 
# display
data


Python
# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# sorting data frame by name
data.sort_values("Salary", axis = 0, ascending = True,
                 inplace = True, na_position ='first')
 
data
# display


输出:

排序后——

Python

# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# sorting data frame by name
data.sort_values("Name", axis = 0, ascending = True,
                 inplace = True, na_position ='last')
 
# display
data

如图所示,索引列现在是混乱的,因为数据框是按名称排序的。
输出:


示例 #2:更改 Null 值的位置
在给定的数据中,不同的列中有许多空值,默认情况下放在最后。在此示例中,数据框根据 Salary 列进行排序,Null 值保留在顶部。

Python

# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# sorting data frame by name
data.sort_values("Salary", axis = 0, ascending = True,
                 inplace = True, na_position ='first')
 
data
# display

如输出图像所示,NaN 值位于顶部,然后是 Salary 的排序值。
输出: