一周学会Pandas2 Python数据处理与分析-Pandas2数据排序操作

锋哥原创的Pandas2 Python数据处理与分析视频教程：

2025版 Pandas2 Python数据处理与分析视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

Pandas 2提供了多种灵活的数据排序方法，主要针对 DataFrame 和 Series 对象。

1. 按值排序：sort_values()

这是最常用的排序方法，根据指定列或行的值进行排序。

具体语法：

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, na_position='last')

参数说明：

by：要排序的列名（或行索引），可以是单个字符串或列表（多列排序）。
axis：排序方向，0 表示按列排序（默认），1 表示按行排序。
ascending：排序顺序，True 为升序，False 为降序（多列时可传入列表指定每列顺序）。
inplace：是否直接修改原对象，False 时返回新对象（默认）。
na_position：缺失值的位置，'last'（默认）或 'first'。

参考示例：

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 22, 28],'Score': [85, 95, 75, 88]
}
df = pd.DataFrame(data)# 单列升序排序
df_sorted = df.sort_values(by='Age')# 多列排序：先按 Score 降序，再按 Age 升序
df_sorted = df.sort_values(by=['Score', 'Age'], ascending=[False, True])

2. 按索引排序：sort_index()

根据索引（行或列标签）进行排序，常用于时间序列或需要恢复原始顺序的场景。

基本语法：

DataFrame.sort_index(axis=0, ascending=True, inplace=False)

参数说明：

axis：0 表示按行索引排序（默认），1 表示按列索引排序。
ascending：排序顺序，True 为升序，False 为降序（多列时可传入列表指定每列顺序）。
inplace：是否直接修改原对象，False 时返回新对象（默认）。

示例：

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 22, 28],'Score': [85, 95, 75, 88]
}
df = pd.DataFrame(data)# 按行索引降序排序
df_sorted_index = df.sort_index(ascending=False)# 按列索引升序排序
df_sorted_columns = df.sort_index(axis=1)

3. 处理缺失值 (na_position)

在 sort_values 中，可以通过 na_position 控制缺失值的位置：

import pandas as pd
df_with_nan = pd.DataFrame({'A': [2, None, 1]})
df_sorted = df_with_nan.sort_values(by='A', na_position='first')  # NaN 排在最前

4. 重置索引

排序后索引可能会混乱，可使用 reset_index() 重置：

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 22, 28],'Score': [85, 95, 75, 88]
}
df = pd.DataFrame(data)
df_sorted = df.sort_values(by='Age').reset_index(drop=True)