pandas.DataFrame.sort_values #

数据框。sort_values ( by , * , axis = 0 , ascending = True , inplace = False , kind = 'quicksort' , na_position = 'last' , ignore_index = False , key = None ) [来源] #

按沿任一轴的值排序。

参数：
通过str 或 str 列表

排序依据的名称或名称列表。

  • 如果axis为 0 或“index”，则by可能包含索引级别和/或列标签。

  • 如果axis为 1 或“列”，则by可能包含列级别和/或索引标签。

轴“{0或'索引'，1或'列'}”，默认0

要排序的轴。

升序布尔值或布尔值列表，默认 True

升序与降序排序。指定多个排序顺序的列表。如果这是一个布尔列表，则必须匹配 by 的长度。

inplace布尔值，默认 False

如果为 True，则就地执行操作。

kind {'quicksort', 'mergesort', 'heapsort', 'stable'}, 默认 'quicksort'

排序算法的选择。另请参阅numpy.sort()了解更多信息。归并排序和稳定是唯一稳定的算法。对于 DataFrame，此选项仅在对单个列或标签进行排序时应用。

na_position {'第一个'，'最后一个'}，默认'最后一个'

如果是第一个，则将 NaN 放在开头；最后将 NaN 放在末尾。

ignore_index bool，默认 False

如果为 True，则生成的轴将标记为 0、1、...、n - 1。

键可调用，可选

在排序之前将键函数应用于值。这与内置函数中的key参数类似sorted()，显着的区别是该key函数应该被向量化。它应该期望 a Series并返回一个与输入形状相同的 Series。它将独立地应用于每一列。

返回：
数据框或无

具有排序值的 DataFrame 或 None if inplace=True。

也可以看看

DataFrame.sort_index

按索引对 DataFrame 进行排序。

Series.sort_values

系列的类似方法。

例子

>>> df = pd.DataFrame({
...     'col1': ['A', 'A', 'B', np.nan, 'D', 'C'],
...     'col2': [2, 1, 9, 8, 7, 4],
...     'col3': [0, 1, 9, 4, 2, 3],
...     'col4': ['a', 'B', 'c', 'D', 'e', 'F']
... })
>>> df
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F

按第 1 列排序

>>> df.sort_values(by=['col1'])
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
5    C     4     3    F
4    D     7     2    e
3  NaN     8     4    D

按多列排序

>>> df.sort_values(by=['col1', 'col2'])
  col1  col2  col3 col4
1    A     1     1    B
0    A     2     0    a
2    B     9     9    c
5    C     4     3    F
4    D     7     2    e
3  NaN     8     4    D

降序排序

>>> df.sort_values(by='col1', ascending=False)
  col1  col2  col3 col4
4    D     7     2    e
5    C     4     3    F
2    B     9     9    c
0    A     2     0    a
1    A     1     1    B
3  NaN     8     4    D

将 NA 放在首位

>>> df.sort_values(by='col1', ascending=False, na_position='first')
  col1  col2  col3 col4
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F
2    B     9     9    c
0    A     2     0    a
1    A     1     1    B

使用按键功能排序

>>> df.sort_values(by='col4', key=lambda col: col.str.lower())
   col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F

使用natsort <https://github.com/SethMMorton/natsort>包，使用 key 参数进行自然排序。

>>> df = pd.DataFrame({
...    "time": ['0hr', '128hr', '72hr', '48hr', '96hr'],
...    "value": [10, 20, 30, 40, 50]
... })
>>> df
    time  value
0    0hr     10
1  128hr     20
2   72hr     30
3   48hr     40
4   96hr     50
>>> from natsort import index_natsorted
>>> df.sort_values(
...     by="time",
...     key=lambda x: np.argsort(index_natsorted(df["time"]))
... )
    time  value
0    0hr     10
3   48hr     40
2   72hr     30
4   96hr     50
1  128hr     20