Pandas知识点-排序操作

数据处理过程中，经常需要对数据进行排序，使数据按指定的顺序排列(升序或降序)。

在Pandas中，排序功能已经实现好了，我们只需要调用对应的方法即可。

本文使用的数据来源于网易财经，具体下载方法可以参考：Pandas知识点-DataFrame数据结构介绍

本文的代码在Jupyter Notebook中编写，Jupyter Notebook的安装可以参考：Jupyter Notebook的安装和使用

一、数据读取

数据文件是600519.csv，将此文件放到代码同级目录下，从文件中读取出数据。

为了方便后面进行排序操作，只读取了数据中的前十行，并删除了一些列，设置“日期”和“收盘价”为索引。

读取的原始数据如上图，本文基于这些数据来进行排序操作。

二、DataFrame排序操作

1. 按索引进行排序

sort_index(): 对DataFrame按索引排序。

一般情况下DataFrame的行索引都是单列索引，即数值型索引或指定的某一列作为行索引。如果行索引为多重索引，在不指定参数level时，会按多重索引中的第一个行索引进行排序。

ascending: 排序默认是升序排序，ascending参数默认为True，将ascending参数设置成False则按降序排序。

axis: 排序默认是按行索引排序(对每一行数据排序)，axis参数默认为0，将axis参数设置成1则按列索引排序(对每一列数据排序)。不过，在实际应用中，对列排序的情况是极少的。

inplace: 在排序时，默认返回一个新的DataFrame，inplace参数默认为False，将inplace参数设置成True则对原DataFrame进行排序，直接修改了数据本身，无返回值。无返回值时不能链式调用，如调用head()，将inplace设置成True时要注意。

2. 按多重索引进行排序

level: 当DataFrame的行索引为多重索引时，通过level参数可以指定按多重索引中的一个或多个行索引进行排序，level参数默认为None，按多重索引中的第一个行索引排序。如指定level为“收盘价”时，不再是按“日期”排序，而是按“收盘价”排序。

给level传值时，可以传入行索引的key(索引名)，如：“日期”、“收盘价”，也可以传入行索引的数值索引，如：0或1，0对应“日期”，1对应“收盘价”。

如果要按多重索引内的多个行索引排序，可以给level传入一个列表，这样会先按列表中的第一个行索引排序，当第一个行索引有相等的值时，再按第二个行索引进行排序，以此类推。对应的ascending可以传入一个值，表示多个行索引都升序或都降序，如果要使多个行索引有升序有降序，可以给ascending传入一个列表，列表长度与level的列表长度必须相等。

ignore_index: 如果DataFrame的行索引为多重索引，排序结果显示的索引默认是多重索引，ignore_index参数默认为False，将ignore_index参数设置成True则结果中会隐藏多重索引，显示成数值型索引(排序完成后从0开始编号)。

sort_remaining: 按多重索引排序时，按level指定的行索引排序后，默认会继续对剩余的行索引进行排序，sort_remaining参数默认为True。在上面的例子中，level指定按“收盘价”进行降序排序，如果sort_remaining为True，按“收盘价”排序后，如果“收盘价”中有相等的值，会继续按剩余的(level没有指定的)行索引“日期”进行降序排序。如果sort_remaining为False，则按“收盘价”排序后，排序就结束了，即使“收盘价”中有相等的值也不会继续排序。

当多重索引中不止两个行索引时，如果level指定的行索引排序升降不一致(有升序有降序)，即使sort_remaining为True，剩余的行索引也不会继续排序。例如多重索引中有三个行索引，level指定了按前两个索引排序，一个是升序一个是降序，此时即使sort_remaining为True，也不会继续按第三个行索引排序。不过，在实际应用中，这种情况极少。

继续上面的情况，按多重索引中的第一个行索引排序后不继续排序，如果第一个行索引中有相等的值，结果的顺序是什么样的呢？是不是保持原始数据的先后顺序？

kind: 在sort_index()中默认采用的排序算法是快速排序，kind参数默认为quicksort(快速排序)。快速排序是一种不稳定的排序算法，不能保证结果中值相等的数据保持先后顺序。kind参数支持三种排序算法，另两种是mergesort(归并排序)和heapsort(堆排序)，三种排序算法中只有归并排序是稳定的。但kind参数只支持单列的排序，不能用于按多重索引排序的情况。如果对每个行索引的排序都有要求，最好是通过level和ascending参数依次指定好。

3. 按指定列进行排序

在按列排序前，请特别注意：按行索引排序和按列排序都是对行进行排序，按列索引排序和按行排序都是对列进行排序。避免被绕晕了。

sort_values(): 对DataFrame按列排序。

by: sort_values()的第一个参数by是必传参数，传入排序指定的基准列，传参可以用位置参数的方式，也可以用关键字参数的方式。如果对行排序，by参数必须传入列索引中的值，如果对列排序，by参数必须传入行索引中的值。

因为DataFrame中存储的每一列数据类型通常不一样，有些数据类型之间不支持排序，所以不一定能对列排序。

na_position: 在按指定列进行排序时，如果此列数据中有空值(NaN)，空值默认排在最后面，na_position参数默认为 last ，将na_position参数设置成 first 则空值排在最前面。na_position参数只支持按单列排序时使用，在按多重索引或按多列排序时无效。

sort_values()中，axis参数、ascending参数、inplace参数、kind参数、ignore_index参数的功能与sort_index()中一样，不再赘述。

4. 按多个列进行排序

给by参数传入多个列索引值时(用列表的方式)，即可以对多个列进行排序。当第一列中有相等的数据时，依次按后面的列进行排序。ascending参数的用法与按多重索引排序一样。

三、Series排序操作

1. 按行索引进行排序

sort_index(): 对Series按行索引排序。

Series是一维数据，只有一列，不存在对列索引排序的情况，所以axis参数的值只能为0，不能设置成1，否则会报错。

多重索引的排序与DataFrame一样，不过，多重索引一般用于多维数据中，Series数据的行索引一般不会是多重索引。

对Series排序时，level参数、ascending参数、inplace参数、kind参数、na_position参数、sort_remaining参数、ignore_index参数的功能与DataFrame排序时一样。

2. 按列进行排序

sort_values(): 对Series按列排序。

Series只有一列数据，所以按列排序时，不需要指定列，没有by参数，也不可以设置axis参数为1，否则会报错。当然也不存在基于多列排序的情况。

ascending参数、inplace参数、kind参数、na_position参数、ignore_index参数的功能与DataFrame排序时一样。

四、排序方法总结

不管是对DataFrame排序还是对Series排序，方法名都一样，sort_index()和sort_values()。

对DataFrame排序可以对行排序(按行索引或按列)，也可以对列排序(按列索引或按行)，不过，对列排序会受数据类型的限制。对Series排序只能对行排序(按行索引或按列)。

axis参数用于设置对行排序还是对列排序，Series排序时只能对行排序。level参数用于设置多重索引中排序的行索引，行索引不是多重索引时没必要使用。ascending参数用于设置升序或降序排序。inplace参数用于设置是否对原数据修改，对原数据修改时没有返回值，不能链式调用。kind参数用于设置使用的排序算法，在按多重索引排序和按多个列排序时无效。na_position参数用于设置空值排在最后面或最前面，在按多重索引排序和按多个列排序时无效。如果行索引是多重索引，ignore_index参数可以设置返回结果是否忽略多重索引，行索引不是多重索引时无效。按多重索引排序时，sort_remaining参数用于设置是否继续按level没有指定的行索引排序，如果level指定的行索引排序升降不统一则无效。

以上就是Pandas中的排序操作介绍，如果需要数据和代码，可以点击关注公众号“Python碎片”，然后在后台回复“pandas04”关键字获取本文代码和数据。