37 KiB
熊猫排序:Python 数据排序指南
*立即观看**本教程有真实 Python 团队创建的相关视频课程。和文字教程一起看，加深理解: 用熊猫排序 Python 中的数据
学习 pandas 排序方法是开始或练习使用 Python 进行基本数据分析的好方法。最常见的是，数据分析是用电子表格、 SQL 或熊猫来完成的。使用 pandas 的好处之一是它可以处理大量数据，并提供高性能的数据操作能力。
在本教程中，您将学习如何使用.sort_values()和.sort_index()，这将使您能够有效地对数据帧中的数据进行排序。
本教程结束时，你将知道如何:
- 按照一个或多个列的值对一个 pandas 数据帧进行排序
- 使用
ascending参数改变排序顺序 - 使用
.sort_index()按index对数据帧进行排序 - 对值排序时组织缺失数据
- 使用设置为
True的inplace将数据帧排序到位置
为了跟随本教程，你需要对熊猫数据帧有一个基本的了解，并且对从文件中读取数据有一些熟悉。
免费奖励: 并学习 Python 3 的基础知识，如使用数据类型、字典、列表和 Python 函数。
熊猫排序方法入门
快速提醒一下， DataFrame 是一种数据结构，带有行和列的标记轴。您可以按行或列值以及行或列索引对数据帧进行排序。
行和列都有索引，它是数据在数据帧中位置的数字表示。您可以使用数据帧的索引位置从特定的行或列中检索数据。默认情况下，索引号从零开始。您也可以手动分配自己的索引。
准备数据集
在本教程中，您将使用美国环境保护署(EPA)收集的 1984 年至 2021 年间制造的车辆的燃油经济性数据。EPA 燃油经济性数据集非常棒，因为它有许多不同类型的信息可以排序，从文本到数字数据类型。数据集总共包含 83 列。
要继续学习，您需要安装 pandas Python 库。本教程中的代码是使用 pandas 1.2.0 和 Python 3.9.1 执行的。
**注意:**整个燃油经济性数据集约为 18 MB。将整个数据集读入内存可能需要一两分钟。限制行数和列数将有助于提高性能，但在下载数据之前仍需要几秒钟。
出于分析的目的，您将按品牌、型号、年份和其他车辆属性查看车辆的 MPG(每加仑英里数)数据。您可以指定将哪些列读入数据框架。对于本教程，您只需要个可用列的子集。
以下是将燃油经济性数据集的相关列读入数据帧并显示前五行的命令:
>>> import pandas as pd
>>> column_subset = [
... "id",
... "make",
... "model",
... "year",
... "cylinders",
... "fuelType",
... "trany",
... "mpgData",
... "city08",
... "highway08"
... ]
>>> df = pd.read_csv(
... "https://www.fueleconomy.gov/feg/epadata/vehicles.csv",
... usecols=column_subset,
... nrows=100
... )
>>> df.head()
city08 cylinders fuelType ... mpgData trany year
0 19 4 Regular ... Y Manual 5-spd 1985
1 9 12 Regular ... N Manual 5-spd 1985
2 23 4 Regular ... Y Manual 5-spd 1985
3 10 8 Regular ... N Automatic 3-spd 1985
4 17 4 Premium ... N Manual 5-spd 1993
[5 rows x 10 columns]
通过使用数据集 URL 调用.read_csv(),您能够将数据加载到 DataFrame 中。缩小列的范围会导致更快的加载时间和更少的内存使用。为了进一步限制内存消耗并快速获得数据，您可以使用nrows指定加载多少行。
熟悉.sort_values()
您可以使用 .sort_values() 沿任一轴(列或行)对数据帧中的值进行排序。通常，您希望按一列或多列的值对数据帧中的行进行排序:
上图显示了使用.sort_values()根据highway08列中的值对数据帧的行进行排序的结果。这类似于使用列对电子表格中的数据进行排序。
熟悉.sort_index()
使用.sort_index()按照行索引或列标签对数据帧进行排序。与使用.sort_values()的不同之处在于，您是基于数据帧的行索引或列名对数据帧进行排序，而不是根据这些行或列中的值:
在上图中，数据帧的行索引用蓝色标出。索引不被认为是列，通常只有一个单行索引。行索引可以看作是从零开始的行号。
在单列上对数据帧排序
要根据单个列中的值对 DataFrame 进行排序，您将使用.sort_values()。默认情况下，这将返回一个按升序排序的新数据帧。它不会修改原始数据帧。
按列升序排序
要使用.sort_values()，您可以向方法传递一个参数，该参数包含您想要排序的列的名称。在本例中，您按city08列对数据帧进行排序，该列代表纯燃油汽车的城市 MPG:
>>> df.sort_values("city08")
city08 cylinders fuelType ... mpgData trany year
99 9 8 Premium ... N Automatic 4-spd 1993
1 9 12 Regular ... N Manual 5-spd 1985
80 9 8 Regular ... N Automatic 3-spd 1985
47 9 8 Regular ... N Automatic 3-spd 1985
3 10 8 Regular ... N Automatic 3-spd 1985
.. ... ... ... ... ... ... ...
9 23 4 Regular ... Y Automatic 4-spd 1993
8 23 4 Regular ... Y Manual 5-spd 1993
7 23 4 Regular ... Y Automatic 3-spd 1993
76 23 4 Regular ... Y Manual 5-spd 1993
2 23 4 Regular ... Y Manual 5-spd 1985
[100 rows x 10 columns]
这将使用city08中的列值对数据框进行排序，首先显示 MPG 最低的车辆。默认情况下，.sort_values()按照升序对数据进行排序。虽然您没有为传递给.sort_values()的参数指定名称，但是您实际上使用了by参数，这将在下一个示例中看到。
改变排序顺序
.sort_values()的另一个参数是ascending。默认情况下.sort_values()已经将ascending设置为True。如果你想让数据帧按降序排序，那么你可以将False传递给这个参数:
>>> df.sort_values(
... by="city08",
... ascending=False
... )
city08 cylinders fuelType ... mpgData trany year
9 23 4 Regular ... Y Automatic 4-spd 1993
2 23 4 Regular ... Y Manual 5-spd 1985
7 23 4 Regular ... Y Automatic 3-spd 1993
8 23 4 Regular ... Y Manual 5-spd 1993
76 23 4 Regular ... Y Manual 5-spd 1993
.. ... ... ... ... ... ... ...
58 10 8 Regular ... N Automatic 3-spd 1985
80 9 8 Regular ... N Automatic 3-spd 1985
1 9 12 Regular ... N Manual 5-spd 1985
47 9 8 Regular ... N Automatic 3-spd 1985
99 9 8 Premium ... N Automatic 4-spd 1993
[100 rows x 10 columns]
通过将False传递给ascending，可以颠倒排序顺序。现在，您的数据框架按照在城市条件下测得的平均 MPG 降序排列。MPG 值最高的车辆位于第一排。
选择排序算法
值得注意的是，pandas 允许你选择不同的排序算法用于.sort_values()和.sort_index()。可用的算法有quicksort、mergesort和heapsort。有关这些不同排序算法的更多信息，请查看 Python 中的排序算法。
对单个列排序时默认使用的算法是 quicksort 。要将其更改为稳定的排序算法，请使用 mergesort 。你可以用.sort_values()或.sort_index()中的kind参数来完成，就像这样:
>>> df.sort_values(
... by="city08",
... ascending=False,
... kind="mergesort"
... )
city08 cylinders fuelType ... mpgData trany year
2 23 4 Regular ... Y Manual 5-spd 1985 7 23 4 Regular ... Y Automatic 3-spd 1993 8 23 4 Regular ... Y Manual 5-spd 1993 9 23 4 Regular ... Y Automatic 4-spd 1993 10 23 4 Regular ... Y Manual 5-spd 1993 .. ... ... ... ... ... ... ...
69 10 8 Regular ... N Automatic 3-spd 1985 1 9 12 Regular ... N Manual 5-spd 1985 47 9 8 Regular ... N Automatic 3-spd 1985 80 9 8 Regular ... N Automatic 3-spd 1985 99 9 8 Premium ... N Automatic 4-spd 1993
[100 rows x 10 columns]
使用kind，你设置排序算法为mergesort。前面的输出使用默认的quicksort算法。查看突出显示的索引，您可以看到这些行的顺序不同。这是因为quicksort不是一个稳定的排序算法，但是mergesort是。
**注意:**在熊猫中，当你在多个列或标签上排序时，kind被忽略。
当您对具有相同键的多条记录进行排序时，稳定排序算法将在排序后保持这些记录的原始顺序。因此，如果您计划执行多次排序，那么使用稳定的排序算法是必要的。
在多列上对数据帧进行排序
在数据分析中，通常希望根据多列的值对数据进行排序。假设您有一个包含人们的名字和姓氏的数据集。先按姓再按名排序是有意义的，这样姓相同的人就按名的字母顺序排列。
在第一个例子中，您在一个名为city08的列上对数据帧进行了排序。从分析的角度来看，城市条件下的 MPG 是决定汽车受欢迎程度的重要因素。除了城市条件下的 MPG，您可能还想看看高速公路条件下的 MPG。要按两个键排序，您可以将列名的列表传递给by:
>>> df.sort_values(
... by=["city08", "highway08"]
... )[["city08", "highway08"]]
city08 highway08
80 9 10
47 9 11
99 9 13
1 9 14
58 10 11
.. ... ...
9 23 30
10 23 30
8 23 31
76 23 31
2 23 33
[100 rows x 2 columns]
通过指定列名city08和highway08的列表，可以使用.sort_values()对两列上的数据帧进行排序。下一个例子将解释如何指定排序顺序，以及为什么注意所使用的列名列表很重要。
按多列升序排序
要对多个列上的数据帧进行排序，必须提供列名列表。例如，要按make和model排序，您应该创建以下列表，然后将其传递给.sort_values():
>>> df.sort_values(
... by=["make", "model"]
... )[["make", "model"]]
make model
0 Alfa Romeo Spider Veloce 2000
18 Audi 100
19 Audi 100
20 BMW 740i
21 BMW 740il
.. ... ...
12 Volkswagen Golf III / GTI
13 Volkswagen Jetta III
15 Volkswagen Jetta III
16 Volvo 240
17 Volvo 240
[100 rows x 2 columns]
现在你的数据帧按make升序排序。如果有两个或更多相同的品牌，则按model排序。列表中列名的指定顺序与数据帧的排序方式相对应。
更改列排序顺序
因为您使用多列进行排序，所以您可以指定列的排序顺序。如果您想改变前面例子中的逻辑排序顺序，那么您可以改变列表中传递给by参数的列名的顺序:
>>> df.sort_values(
... by=["model", "make"]
... )[["make", "model"]]
make model
18 Audi 100
19 Audi 100
16 Volvo 240
17 Volvo 240
75 Mazda 626
.. ... ...
62 Ford Thunderbird
63 Ford Thunderbird
88 Oldsmobile Toronado
42 CX Automotive XM v6
43 CX Automotive XM v6a
[100 rows x 2 columns]
您的数据帧现在按model列升序排序，如果有两个或更多相同的模型，则按make排序。您可以看到，更改列的顺序也会更改值的排序顺序。
按多列降序排序
到目前为止，您只对多列进行了升序排序。在下一个例子中，您将基于make和model列进行降序排序。要按降序排序，请将ascending设置为False:
>>> df.sort_values(
... by=["make", "model"],
... ascending=False
... )[["make", "model"]]
make model
16 Volvo 240
17 Volvo 240
13 Volkswagen Jetta III
15 Volkswagen Jetta III
11 Volkswagen Golf III / GTI
.. ... ...
21 BMW 740il
20 BMW 740i
18 Audi 100
19 Audi 100
0 Alfa Romeo Spider Veloce 2000
[100 rows x 2 columns]
对于任何具有相同make的汽车，make列中的值按字母顺序排列，而model列中的值按降序排列。对于文本数据，排序是区分大小写，这意味着大写文本将首先以升序出现，最后以降序出现。
按不同排序顺序的多列排序
您可能想知道是否可以使用多列进行排序，并让这些列使用不同的ascending参数。对于 pandas，您可以通过一个方法调用来实现。如果您想对一些列进行升序排序，对一些列进行降序排序，那么您可以传递一个由布尔值到ascending组成的列表。
在本例中，您按照make、model和city08列对数据帧进行排序，前两列按升序排序，而city08按降序排序。为此，您向by传递一个列名列表，向ascending传递一个布尔值列表:
>>> df.sort_values(
... by=["make", "model", "city08"],
... ascending=[True, True, False]
... )[["make", "model", "city08"]]
make model city08
0 Alfa Romeo Spider Veloce 2000 19
18 Audi 100 17
19 Audi 100 17
20 BMW 740i 14
21 BMW 740il 14
.. ... ... ...
11 Volkswagen Golf III / GTI 18
15 Volkswagen Jetta III 20
13 Volkswagen Jetta III 18
17 Volvo 240 19
16 Volvo 240 18
[100 rows x 3 columns]
现在你的数据帧按照make和model升序排序，但是city08列按照降序排序。这很有帮助，因为它按分类顺序对汽车进行分组，并首先显示 MPG 最高的汽车。
根据索引对数据帧进行排序
在对索引进行排序之前，最好知道索引代表什么。DataFrame 有一个 .index 属性，默认情况下是其行位置的数字表示。您可以将索引视为行号。它有助于快速查找和识别行。
按索引升序排序
您可以使用.sort_index()根据行索引对数据帧进行排序。像前面例子中那样按列值排序会对数据帧中的行进行重新排序，因此索引会变得杂乱无章。当您筛选数据帧或删除或添加行时，也会发生这种情况。
为了说明.sort_index()的用法，首先使用.sort_values()创建一个新的排序数据帧:
>>> sorted_df = df.sort_values(by=["make", "model"])
>>> sorted_df
city08 cylinders fuelType ... mpgData trany year
0 19 4 Regular ... Y Manual 5-spd 1985
18 17 6 Premium ... Y Automatic 4-spd 1993
19 17 6 Premium ... N Manual 5-spd 1993
20 14 8 Premium ... N Automatic 5-spd 1993
21 14 8 Premium ... N Automatic 5-spd 1993
.. ... ... ... ... ... ... ...
12 21 4 Regular ... Y Manual 5-spd 1993
13 18 4 Regular ... N Automatic 4-spd 1993
15 20 4 Regular ... N Manual 5-spd 1993
16 18 4 Regular ... Y Automatic 4-spd 1993
17 19 4 Regular ... Y Manual 5-spd 1993
[100 rows x 10 columns]
您已经创建了一个使用多个值排序的数据帧。请注意，行索引没有特定的顺序。要将新的数据帧恢复到原来的顺序，可以使用.sort_index():
>>> sorted_df.sort_index()
city08 cylinders fuelType ... mpgData trany year
0 19 4 Regular ... Y Manual 5-spd 1985
1 9 12 Regular ... N Manual 5-spd 1985
2 23 4 Regular ... Y Manual 5-spd 1985
3 10 8 Regular ... N Automatic 3-spd 1985
4 17 4 Premium ... N Manual 5-spd 1993
.. ... ... ... ... ... ... ...
95 17 6 Regular ... Y Automatic 3-spd 1993
96 17 6 Regular ... N Automatic 4-spd 1993
97 15 6 Regular ... N Automatic 4-spd 1993
98 15 6 Regular ... N Manual 5-spd 1993
99 9 8 Premium ... N Automatic 4-spd 1993
[100 rows x 10 columns]
现在索引是升序排列的。就像.sort_values()一样，.sort_index()中ascending的默认实参是True，通过False可以改成降序。索引排序对数据本身没有影响，因为值是不变的。
当您已经使用 .set_index() 指定了自定义索引时，这尤其有用。如果您想使用make和model列设置一个自定义索引，那么您可以将一个列表传递给.set_index():
>>> assigned_index_df = df.set_index(
... ["make", "model"]
... )
>>> assigned_index_df
city08 cylinders ... trany year
make model ...
Alfa Romeo Spider Veloce 2000 19 4 ... Manual 5-spd 1985
Ferrari Testarossa 9 12 ... Manual 5-spd 1985
Dodge Charger 23 4 ... Manual 5-spd 1985
B150/B250 Wagon 2WD 10 8 ... Automatic 3-spd 1985
Subaru Legacy AWD Turbo 17 4 ... Manual 5-spd 1993
... ... ... ... ...
Pontiac Grand Prix 17 6 ... Automatic 3-spd 1993
Grand Prix 17 6 ... Automatic 4-spd 1993
Grand Prix 15 6 ... Automatic 4-spd 1993
Grand Prix 15 6 ... Manual 5-spd 1993
Rolls-Royce Brooklands/Brklnds L 9 8 ... Automatic 4-spd 1993
[100 rows x 8 columns]
使用这种方法，可以用两个轴标签替换默认的基于整数的行索引。这被认为是一个 MultiIndex 或一个层次索引。您的数据帧现在由多个关键字索引，您可以使用.sort_index()进行排序:
>>> assigned_index_df.sort_index()
city08 cylinders ... trany year
make model ...
Alfa Romeo Spider Veloce 2000 19 4 ... Manual 5-spd 1985
Audi 100 17 6 ... Automatic 4-spd 1993
100 17 6 ... Manual 5-spd 1993
BMW 740i 14 8 ... Automatic 5-spd 1993
740il 14 8 ... Automatic 5-spd 1993
... ... ... ... ...
Volkswagen Golf III / GTI 21 4 ... Manual 5-spd 1993
Jetta III 18 4 ... Automatic 4-spd 1993
Jetta III 20 4 ... Manual 5-spd 1993
Volvo 240 18 4 ... Automatic 4-spd 1993
240 19 4 ... Manual 5-spd 1993
[100 rows x 8 columns]
首先使用make和model列为数据帧分配一个新的索引，然后使用.sort_index()对索引进行排序。你可以在熊猫文档中阅读更多关于使用 .set_index() 的信息。
按索引降序排序
在下一个示例中，您将按照索引降序对数据帧进行排序。记住，在用.sort_values()对数据帧进行排序时，可以通过将ascending设置为False来颠倒排序顺序。该参数也适用于.sort_index()，因此您可以像这样以相反的顺序对数据帧进行排序:
>>> assigned_index_df.sort_index(ascending=False)
city08 cylinders ... trany year
make model ...
Volvo 240 18 4 ... Automatic 4-spd 1993
240 19 4 ... Manual 5-spd 1993
Volkswagen Jetta III 18 4 ... Automatic 4-spd 1993
Jetta III 20 4 ... Manual 5-spd 1993
Golf III / GTI 18 4 ... Automatic 4-spd 1993
... ... ... ... ...
BMW 740il 14 8 ... Automatic 5-spd 1993
740i 14 8 ... Automatic 5-spd 1993
Audi 100 17 6 ... Automatic 4-spd 1993
100 17 6 ... Manual 5-spd 1993
Alfa Romeo Spider Veloce 2000 19 4 ... Manual 5-spd 1985
[100 rows x 8 columns]
现在，您的数据帧按其索引降序排序。使用.sort_index()和.sort_values()的一个区别是.sort_index()没有by参数，因为默认情况下它在行索引上对数据帧进行排序。
探索高级索引排序概念
在数据分析的许多情况下，您希望按照层次索引进行排序。你已经看到了如何在MultiIndex中使用make和model。对于这个数据集，您还可以使用id列作为索引。
将id列设置为索引可能有助于链接相关数据集。例如，环保署的排放数据集也使用id来表示车辆记录 id。这将排放数据与燃油经济性数据联系起来。在数据帧中对两个数据集的索引进行排序可以使用其他方法加快速度，例如.merge()。要了解更多关于在 pandas 中组合数据的信息，请查看使用 merge()组合 Pandas 中的数据。join()和 concat() 。
对数据帧的列进行排序
您还可以使用数据框架的列标签对行值进行排序。使用可选参数axis设置为1的.sort_index()将按列标签对数据帧进行排序。排序算法应用于轴标签，而不是实际数据。这有助于数据帧的视觉检查。
使用数据帧axis
当您使用.sort_index()而不传递任何显式参数时，它使用axis=0作为默认参数。数据帧的轴是指索引(axis=0)或列(axis=1)。您可以使用两个轴对数据帧中的数据进行索引和选择，以及对数据进行排序。
使用列标签进行排序
您也可以使用数据帧的列标签作为.sort_index()的排序键。将axis设置为1会根据列标签对数据帧的列进行排序:
>>> df.sort_index(axis=1)
city08 cylinders fuelType ... mpgData trany year
0 19 4 Regular ... Y Manual 5-spd 1985
1 9 12 Regular ... N Manual 5-spd 1985
2 23 4 Regular ... Y Manual 5-spd 1985
3 10 8 Regular ... N Automatic 3-spd 1985
4 17 4 Premium ... N Manual 5-spd 1993
.. ... ... ... ... ... ... ...
95 17 6 Regular ... Y Automatic 3-spd 1993
96 17 6 Regular ... N Automatic 4-spd 1993
97 15 6 Regular ... N Automatic 4-spd 1993
98 15 6 Regular ... N Manual 5-spd 1993
99 9 8 Premium ... N Automatic 4-spd 1993
[100 rows x 10 columns]
数据帧的列按字母升序从左到右排序。如果您想按降序对列进行排序，那么您可以使用ascending=False:
>>> df.sort_index(axis=1, ascending=False)
year trany mpgData ... fuelType cylinders city08
0 1985 Manual 5-spd Y ... Regular 4 19
1 1985 Manual 5-spd N ... Regular 12 9
2 1985 Manual 5-spd Y ... Regular 4 23
3 1985 Automatic 3-spd N ... Regular 8 10
4 1993 Manual 5-spd N ... Premium 4 17
.. ... ... ... ... ... ... ...
95 1993 Automatic 3-spd Y ... Regular 6 17
96 1993 Automatic 4-spd N ... Regular 6 17
97 1993 Automatic 4-spd N ... Regular 6 15
98 1993 Manual 5-spd N ... Regular 6 15
99 1993 Automatic 4-spd N ... Premium 8 9
[100 rows x 10 columns]
使用.sort_index()中的axis=1，您以升序和降序对数据帧的列进行了排序。这在其他数据集中可能更有用，例如列标签对应于一年中的几个月。在这种情况下，按月升序或降序排列数据是有意义的。
在 Pandas 中排序时处理缺失数据
现实世界的数据常常有许多不完美之处。虽然 pandas 有几种方法可以让你在排序前清理你的数据(T2 ),但是有时候在你排序的时候看看哪些数据丢失了会更好。你可以通过 na_position 参数来实现。
用于本教程的燃油经济性数据子集没有缺失值。为了说明na_position的用法，首先您需要创建一些缺失的数据。下面这段代码基于现有的mpgData列创建一个新列，映射True，其中mpgData等于Y，而 NaN 不等于:
>>> df["mpgData_"] = df["mpgData"].map({"Y": True})
>>> df
city08 cylinders fuelType ... trany year mpgData_
0 19 4 Regular ... Manual 5-spd 1985 True
1 9 12 Regular ... Manual 5-spd 1985 NaN
2 23 4 Regular ... Manual 5-spd 1985 True
3 10 8 Regular ... Automatic 3-spd 1985 NaN
4 17 4 Premium ... Manual 5-spd 1993 NaN
.. ... ... ... ... ... ... ...
95 17 6 Regular ... Automatic 3-spd 1993 True
96 17 6 Regular ... Automatic 4-spd 1993 NaN
97 15 6 Regular ... Automatic 4-spd 1993 NaN
98 15 6 Regular ... Manual 5-spd 1993 NaN
99 9 8 Premium ... Automatic 4-spd 1993 NaN
[100 rows x 11 columns]
现在您有了一个名为mpgData_的新列，它包含了True和NaN值。您将使用该列来查看使用这两种排序方法时na_position的效果。要了解更多关于使用.map()的信息，你可以阅读熊猫项目:用 Python 制作年级册&熊猫。
了解.sort_values() 中的na_position参数
.sort_values()接受一个名为 na_position 的参数，该参数有助于组织正在排序的列中缺少的数据。如果对缺少数据的列进行排序，则缺少值的行将出现在数据框的末尾。无论您是按升序还是降序排序，都会发生这种情况。
当您对缺少数据的列进行排序时，您的数据框架如下所示:
>>> df.sort_values(by="mpgData_")
city08 cylinders fuelType ... trany year mpgData_
0 19 4 Regular ... Manual 5-spd 1985 True
55 18 6 Regular ... Automatic 4-spd 1993 True
56 18 6 Regular ... Automatic 4-spd 1993 True
57 16 6 Premium ... Manual 5-spd 1993 True
59 17 6 Regular ... Automatic 4-spd 1993 True
.. ... ... ... ... ... ... ...
94 18 6 Regular ... Automatic 4-spd 1993 NaN
96 17 6 Regular ... Automatic 4-spd 1993 NaN
97 15 6 Regular ... Automatic 4-spd 1993 NaN
98 15 6 Regular ... Manual 5-spd 1993 NaN
99 9 8 Premium ... Automatic 4-spd 1993 NaN
[100 rows x 11 columns]
要改变这种行为并让丢失的数据首先出现在数据帧中，可以将na_position设置为first。na_position参数只接受默认值last和first。下面是如何在.sort_values()中使用na_postion:
>>> df.sort_values(
... by="mpgData_",
... na_position="first"
... )
city08 cylinders fuelType ... trany year mpgData_
1 9 12 Regular ... Manual 5-spd 1985 NaN
3 10 8 Regular ... Automatic 3-spd 1985 NaN
4 17 4 Premium ... Manual 5-spd 1993 NaN
5 21 4 Regular ... Automatic 3-spd 1993 NaN
11 18 4 Regular ... Automatic 4-spd 1993 NaN
.. ... ... ... ... ... ... ...
32 15 8 Premium ... Automatic 4-spd 1993 True
33 15 8 Premium ... Automatic 4-spd 1993 True
37 17 6 Regular ... Automatic 3-spd 1993 True
85 17 6 Regular ... Automatic 4-spd 1993 True
95 17 6 Regular ... Automatic 3-spd 1993 True
[100 rows x 11 columns]
现在，用于排序的列中的任何缺失数据都将显示在数据框的顶部。当您第一次开始分析数据，并且不确定是否有缺失值时，这非常有用。
了解.sort_index() 中的na_position参数
.sort_index()也接受na_position。您的数据帧通常不会将NaN值作为其索引的一部分，因此该参数在.sort_index()中用处不大。但是，如果您的数据帧在行索引或列名中确实有NaN，那么您可以使用.sort_index()和na_position快速识别出来。
默认情况下，该参数设置为last，将NaN值放在排序结果的末尾。要改变这种行为，让丢失的数据首先出现在数据帧中，将na_position设置为first。
使用排序方法修改数据帧
在迄今为止您看到的所有示例中，当您调用这些方法时，.sort_values()和.sort_index()都返回了 DataFrame 对象。这是因为在默认情况下，熊猫的排序在位置不工作。一般来说，这是使用 pandas 分析数据的最常见和首选方式，因为它创建了一个新的数据框架，而不是修改原始数据框架。这允许您保留从文件中读取数据时的数据状态。
但是，您可以通过用值True指定可选参数 inplace 来直接修改原始数据帧。大多数熊猫方法都包含了inplace参数。下面，您将看到一些使用inplace=True对数据帧进行排序的例子。
使用.sort_values()就位
当inplace设置为True时，您修改原始数据帧，因此排序方法返回 None 。像第一个例子一样，通过city08列的值对数据帧进行排序，但是将inplace设置为True:
>>> df.sort_values("city08", inplace=True)
注意调用.sort_values()并没有返回数据帧。下面是最初的df的样子:
>>> df
city08 cylinders fuelType ... trany year mpgData_
99 9 8 Premium ... Automatic 4-spd 1993 NaN
1 9 12 Regular ... Manual 5-spd 1985 NaN
80 9 8 Regular ... Automatic 3-spd 1985 NaN
47 9 8 Regular ... Automatic 3-spd 1985 NaN
3 10 8 Regular ... Automatic 3-spd 1985 NaN
.. ... ... ... ... ... ... ...
9 23 4 Regular ... Automatic 4-spd 1993 True
8 23 4 Regular ... Manual 5-spd 1993 True
7 23 4 Regular ... Automatic 3-spd 1993 True
76 23 4 Regular ... Manual 5-spd 1993 True
2 23 4 Regular ... Manual 5-spd 1985 True
[100 rows x 11 columns]
在df对象中，值现在根据city08列按升序排序。您的原始数据帧已被修改，这些更改将持续存在。一般来说，避免使用inplace=True进行分析是个好主意，因为对数据框架的更改是不可撤销的。
使用.sort_index()就位
下一个例子说明了inplace也可以和.sort_index()一起工作。
因为当您将文件读入数据帧时，索引是按升序创建的，所以您可以再次修改您的df对象，使其恢复到初始顺序。使用inplace设置为True的.sort_index()来修改数据帧:
>>> df.sort_index(inplace=True)
>>> df
city08 cylinders fuelType ... trany year mpgData_
0 19 4 Regular ... Manual 5-spd 1985 True
1 9 12 Regular ... Manual 5-spd 1985 NaN
2 23 4 Regular ... Manual 5-spd 1985 True
3 10 8 Regular ... Automatic 3-spd 1985 NaN
4 17 4 Premium ... Manual 5-spd 1993 NaN
.. ... ... ... ... ... ... ...
95 17 6 Regular ... Automatic 3-spd 1993 True
96 17 6 Regular ... Automatic 4-spd 1993 NaN
97 15 6 Regular ... Automatic 4-spd 1993 NaN
98 15 6 Regular ... Manual 5-spd 1993 NaN
99 9 8 Premium ... Automatic 4-spd 1993 NaN
[100 rows x 11 columns]
现在您的数据帧已经使用.sort_index()再次修改。因为您的数据帧仍然有默认索引，所以按升序排序会将数据恢复到原来的顺序。
如果你熟悉 Python 的内置函数sort()和sorted()，那么熊猫排序方法中可用的inplace参数可能感觉非常相似。要了解更多信息，您可以查看如何在 Python 中使用 sorted()和 sort()。
结论
您现在知道如何使用 pandas 库的两个核心方法:.sort_values()和.sort_index()。有了这些知识，您就可以使用数据框架进行基本的数据分析。虽然这两种方法之间有很多相似之处，但看到它们之间的差异，就可以清楚地看出哪种方法适用于不同的分析任务。
在本教程中，您已经学会了如何:
- 按照一个或多个列的值对一个 pandas 数据帧进行排序
- 使用
ascending参数改变排序顺序 - 使用
.sort_index()按index对数据帧进行排序 - 对值排序时组织缺失数据
- 使用设置为
True的inplace将数据帧排序到位置
这些方法是精通数据分析的重要组成部分。他们将帮助你建立一个坚实的基础，在此基础上你可以执行更高级的熊猫操作。如果您想看一些 pandas 排序方法的更高级用法的例子，那么 pandas 文档是一个很好的资源。
立即观看本教程有真实 Python 团队创建的相关视频课程。和文字教程一起看，加深理解: 用熊猫排序 Python 中的数据*****