Pandas DataFrame 排序精通指南

Pandas DataFrame 提供强大的数据操作工具，排序是其中一项基本操作。本文探讨如何高效地根据单个列对 DataFrame 进行排序，重点介绍关键的sort_values()方法及其关键参数：ascending和na_position。

目录

• 使用ascending控制排序顺序
• 使用na_position处理缺失值
• 按多列排序
• 就地排序

使用ascending控制排序顺序

sort_values()方法可以直接控制排序方向。ascending参数（默认为True，升序）决定是升序还是降序排序。

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 22, 28],
        'Score': [85, 92, 78, 88]}

df = pd.DataFrame(data)

# 按'Age'升序排序
df_ascending = df.sort_values(by='Age')
print("升序:n", df_ascending)

# 按'Age'降序排序
df_descending = df.sort_values(by='Age', ascending=False)
print("n降序:n", df_descending)

使用na_position处理缺失值

在处理包含缺失值（NaN）的数据集时，na_position参数控制这些值在排序列中的位置。它接受两个值：

• 'first'（默认）：将 NaN 值放在排序列的开头。
• 'last'：将 NaN 值放在排序列的末尾。

import pandas as pd
import numpy as np

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
        'Age': [25, 30, np.nan, 28, 22],
        'Score': [85, 92, 78, 88, 95]}

df = pd.DataFrame(data)

# NaN 值放在最前
df_na_first = df.sort_values(by='Age', na_position='first')
print("NaN 值放在最前:n", df_na_first)

# NaN 值放在最后
df_na_last = df.sort_values(by='Age', na_position='last')
print("nNaN 值放在最后:n", df_na_last)

按多列排序

可以轻松地扩展此功能以按多列排序，方法是将列表传递给by参数。Pandas 将按列表中的第一列排序，然后按第二列排序，依此类推。

# 按 Age（升序）然后按 Score（降序）排序
df_multi = df.sort_values(by=['Age', 'Score'], ascending=[True, False])
print("n多列排序:n", df_multi)

就地排序

默认情况下，sort_values()返回一个新的排序后的DataFrame。要直接修改 DataFrame，请将inplace参数设置为True。请注意，这会修改原始 DataFrame，因此请谨慎操作。

df.sort_values(by='Age', inplace=True)
print("n就地排序:n", df)

通过理解和使用这些参数，可以高效且精确地对 Pandas DataFrame 进行排序，从而简化数据分析工作流程。