如何按一列的值对 Pandas DataFrame 进行排序

1. DataFrame 排序顺序-参数 Ascending
2. DataFrame 排序顺序 - 参数 na_position

我们将介绍 pandas.DataFrame.sort_values 方法来对 DataFrame 值进行排序，以及类似 ascending 选项来指定排序顺序，以及 na_position 来确定 NaN 在排序结果中的位置。

参考下面的 DataFrame，

import pandas as pd  df = pd.DataFrame(  {  "col1": ["g", "t", "n", "w", "n", "g"],  "col2": [5, 2, 5, 1, 3, 6],  "col3": [0, 7, 2, 8, 1, 2],  } ) print(df) 

如果运行此代码，你将得到以下尚未排序的输出。

 col1 col2 col3 0 g 5 0 1 t 2 7 2 n 5 2 3 w 1 8 4 n 3 1 5 g 6 2 

现在我们可以使用以下代码对 DataFrame 进行排序。

import pandas as pd  df = pd.DataFrame(  {  "col1": ["g", "t", "n", "w", "n", "g"],  "col2": [5, 2, 5, 1, 3, 6],  "col3": [0, 7, 2, 8, 1, 2],  } ) print(df.sort_values(by=["col1"])) 

我们按 col1 对 DataFrame 进行了排序。运行上面的代码后，你将获得以下输出。

 col1 col2 col3 0 g 5 0 5 g 6 2 2 n 5 2 4 n 3 1 1 t 2 7 3 w 1 8 

我们也可以使用多个列进行排序，让我们如下更改上述代码的最后一行，

print(df.sort_values(by=["col1", "col2"])) 

运行代码后，我们将获得以下输出。

 col1 col2 col3 0 g 5 0 5 g 6 2 4 n 3 1 2 n 5 2 1 t 2 7 3 w 1 8 

现在，DataFrame 也通过 col2 进一步排序。

DataFrame 排序顺序-参数 Ascending

默认情况下，排序按升序排列，要按降序更改 DataFrame，我们需要设置标志 ascending=False。

print(df.sort_values(by=["col1", "col2"], ascending=False)) 

运行代码后，我们将获得以下输出。

 col1 col2 col3 3 w 1 8 1 t 2 7 2 n 5 2 4 n 3 1 5 g 6 2 0 g 5 0 

DataFrame 排序顺序 - 参数 na_position

na_position 在排序后指定 NaN 的位置.last 将 NaN 放在排序的最后，它的默认值是 first，将 NaN 放在排序结果的开头。

参考下面的 DataFrame，

import numpy as np import pandas as pd  s = pd.Series([np.nan, 2, 4, 10, 7]) print(s.sort_values(na_position="last")) 

运行代码后，我们将获得以下输出。

1 2.0 2 4.0 4 7.0 3 10.0 0 NaN