Pandas數(shù)值排序 sort_values()的使用
參數(shù)解釋
DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', # last,first;默認(rèn)是last ignore_index=False, key=None)
參數(shù)的具體解釋為:
- by:表示根據(jù)什么字段或者索引進(jìn)行排序,可以是一個(gè)或多個(gè)
- axis:排序是在橫軸還是縱軸,默認(rèn)是縱軸axis=0
- ascending:排序結(jié)果是升序還是降序,默認(rèn)是升序
- inplace:表示排序的結(jié)果是直接在原數(shù)據(jù)上的就地修改還是生成新的DatFrame
- kind:表示使用排序的算法,快排quicksort,,歸并mergesort, 堆排序heapsort,穩(wěn)定排序stable ,默認(rèn)是 :快排quicksort
- na_position:缺失值的位置處理,默認(rèn)是最后,另一個(gè)選擇是首位
- ignore_index:新生成的數(shù)據(jù)幀的索引是否重排,默認(rèn)False(采用原數(shù)據(jù)的索引)
- key:排序之前使用的函數(shù)
數(shù)據(jù)值的排序主要使用sort_values(),數(shù)字按大小排序,字符按字母順序
Series和DataFrame都支持此方法
import pandas as pd df = pd.DataFrame([['liver','E',89,21,24,64], ['Arry','C',36,37,37,57], ['Ack','A',57,60,18,84], ['Eorge','C',93,96,71,78], ['Oah','D',65,49,61,86] ], columns = ['name','team','Q1','Q2','Q3','Q4']) res1 = df.Q1.sort_values() # DataFrame 需要傳入一個(gè)或多個(gè)排序的列名 res2 = df.sort_values('Q4') # 默認(rèn)排序是升序,但可以指定排序方式 # 下例先按team升序排列,如遇到相同的team再按name降序排列 res3 = df.sort_values(by = ['team','name'], ascending = [True, False])
結(jié)果展示
df
res1
res2
res3
擴(kuò)展
# 其他常用方法如下: s.sort_values(ascending = False) # 降序 s.sort_values(inplace = True) # 修改生效 s.sort_values(na_position = 'first') # 空值在前 # df按指定字段排列 df.sort_values(by = ['team']) df.sort_values('Q1') # 按多個(gè)字段,先排team,在同team內(nèi)再看Q1 df.sort_values(by = ['mean','Q1']) # 全降序 df.sort_values(by = ['mean','Q1'], ascending = False) # 對應(yīng)指定team升Q1降 df.sort_values(by = ['mean','Q1'], ascending = [True, False])
到此這篇關(guān)于Pandas數(shù)值排序 sort_values()的使用的文章就介紹到這了,更多相關(guān)Pandas數(shù)值排序 sort_values()內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- Python數(shù)據(jù)分析Pandas?Dataframe排序操作
- python?pandas?數(shù)據(jù)排序的幾種常用方法
- pandas.DataFrame Series排序的使用(sort_values,sort_index)
- pandas中按行或列的值對數(shù)據(jù)排序的實(shí)現(xiàn)
- pandas?dataframe按照列名給列排序三種方法
- Python使用pandas實(shí)現(xiàn)對數(shù)據(jù)進(jìn)行特定排序
- Python利用pandas對數(shù)據(jù)進(jìn)行特定排序
- pandas中DataFrame排序及分組排序的實(shí)現(xiàn)示例
- pandas中數(shù)據(jù)的排序與排名的具體使用
- Pandas排序和分組排名(sort和rank)的實(shí)現(xiàn)
相關(guān)文章
如何使用python傳入不確定個(gè)數(shù)參數(shù)
這篇文章主要介紹了如何使用python傳入不確定個(gè)數(shù)參數(shù),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-02-02Python?opencv進(jìn)行圓形識別(圓檢測)實(shí)例代碼
最近工作的項(xiàng)目上需要檢測圖像中是否有圓形,下面這篇文章主要給大家介紹了關(guān)于Python?opencv進(jìn)行圓形識別(圓檢測)的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-05-05Django+python服務(wù)器部署與環(huán)境部署教程詳解
這篇文章主要介紹了Django+python服務(wù)器部署與環(huán)境部署教程,本文通過圖文并茂的形式給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-03-03Python實(shí)現(xiàn)獲取當(dāng)前目錄下文件名代碼詳解
這篇文章主要介紹了Python實(shí)現(xiàn)獲取當(dāng)前目錄下文件名,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-03-03Matlab、Python為工具解析數(shù)據(jù)可視化之美
下面介紹一些數(shù)據(jù)可視化的作品(包含部分代碼),主要是地學(xué)領(lǐng)域,可遷移至其他學(xué)科,本文通過實(shí)例代碼給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友參考下吧2021-11-11詳解python 拆包可迭代數(shù)據(jù)如tuple, list
拆包是指將一個(gè)結(jié)構(gòu)中的數(shù)據(jù)拆分為多個(gè)單獨(dú)變量中。下面通過本文給大家介紹python 拆包可迭代數(shù)據(jù)如tuple, list的相關(guān)資料,需要的朋友參考下吧2017-12-12Python進(jìn)行數(shù)據(jù)可視化Plotly與Dash的應(yīng)用小結(jié)
數(shù)據(jù)可視化是數(shù)據(jù)分析中至關(guān)重要的一環(huán),它能夠幫助我們更直觀地理解數(shù)據(jù)并發(fā)現(xiàn)隱藏的模式和趨勢,本文主要介紹了Python進(jìn)行數(shù)據(jù)可視化Plotly與Dash的應(yīng)用小結(jié),具有一定的參考價(jià)值,感興趣的可以了解一下2024-04-04