Python数据分析—数据排序

在对海量数据进行分析的过程中，可能需要对数据进行排序操作。

本节教大家如何在python中对数据框进行一些排序操作。

本文目录

1. 总结sort_values函数的用法
2. 按年龄对行进行升序排列
3. 按年龄对行进行降序排列
4. 按年龄升序身高降序排列数据框
5. 对列进行排序

注意：本文沿用数据分析第一课【Python数据分析—数据建立】里的数据框date_frame：

1 总结sort_values函数的用法

python中默认按行索引号进行排序，如果要自定义数据框的排序，可以用sort_values函数进行重定义排序。

下面对sort_values中几个常用的参数进行讲解，它的具体语法如下：

sort_values(by=[列表],ascending=[True or False], axis=(1 or 0))

其中by后面为要排序的列，可以是一列，也可以是多列。表示首先按第一列，再依次按后面的列进行排序。

ascending=True表示按升序排列，否则为降序排列，默认按升序排列。

axis=1表示对列排序，为0表示对行排序，默认对行排序。

2 按年龄对行进行升序排列

若想按年龄升序排列数据框，可在python中输入如下语句：

date_frame.sort_values(by = ['age'])

得到结果如下：

其中by=['age']表示按年龄排序，默认是升序排列，所以不需要指定ascending的值。

3 按年龄对行进行降序排列

若想按年龄降序排列数据框，可在python中输入如下语句：

date_frame.sort_values(by = ['age'], ascending = False)

得到结果如下：

4 按年龄升序身高降序排列数据框

若想按年龄升序身高降序排列数据框，可在python中输入如下语句：

date_frame.sort_values(by = ['age','height'], ascending = [True,False])

得到结果如下：

ascending中的第一个True表示先对年龄进行升序排列，第二个False表示若年龄相同，再根据身高降序排列。

5 对列进行排序

对列排序，第一种办法是重定义列的顺序进行排序。

假设列的顺序按学号、姓名、年龄、身高、性别进行排序，可以在python中输入如下语句：

date_frame[['ID','name','age','height','gender']]

得到结果如下：

第二种办法是利用axis=1对列进行排序，不过这种排序需要某一行的值是同种类型的，可以比较。

假设我抽取原数据框中的age和height列，具体语句如下：

date_frame[['age','height']]

得到结果如下：

对这两列按第三行的数值进行排序，具体语句如下:

date_frame[['age','height']].sort_values(by = [3], axis=1)

得到结果如下：

由于ascending参数没有指明，默认为升序，所以排序后height列排在age列的前面。

至此，在python中对数据框进行排序操作已介绍完毕，大家可以动手练习一下，思考一下还可不可以对数据框进行别的操作

。