EXCEL的表格排序功能，Python也能轻松应对

该号刚出生不久，喜欢的朋友别忘了点个关注。

熟悉EXCEL的小伙伴们肯定知道，EXCEL的数值排序功能还是挺强大的，升序、降序，尤其自定义排序，能够对多个字段进行排序工作。

那么，在Python大法中，有没有这样强大的排序功能呢？答案是有的，而且本人觉得Python的排序功能，一点不比EXCEL的差。

同样，我们依然用到的是强大的pandas这个三方库。我们先将numpy和pandas导入进来：

接着构造一个今天要用到的DataFrame，我们用字典的形式来构造。

都是随意构造的，内容别较真。我们先来个简单点的热热身，按照身高的降序来排列一下。

我们用到的是df.sort_values()这个函数。第一个参数为by，传入你要排序的列的标签名即可，后面的ascending参数指示排序方法为升序还是降序，True为升序，False为降序。由于存在相同的身高，pandas会自动的比较两个相同身高所对应的index，按照index的升序来排列。

假如我有这样一个需求：先按照身高降序排序，若存在相同的身高，则再按照武力来降序排序，可以做到吗？

当然可以，我们只需要在by参数里传入列标签组成的列表即可。

通过这个例子我们可以看到，by参数不但可以传入字符串，还可以传入字符串组成的列表，来实现对多个列进行排序。

接着，我的要求再龌龊一点。身高我依然需要降序，但是武力我需要升序，可以吗？

我们直接上结果：

跟by参数类似，我们只需要在ascending参数中也传入布尔值组成的列表就可以了，意思就是告诉pandas，这两列我各自需要的排序方式，就跟后面ascending参数里指定的一样。因此，这两个参数的列表内的元素个数需要是一致的，否则就会报错了，因为没法一一对应。

好了，关于sort_values这个强大的排序函数今天就介绍到这了。除了这些参数之外，它还有inplace、kind和na_position等参数来应对不同的排序需求。感兴趣的朋友可以自己参考官网文档进行学习，也可以在评论区提问交流。