当前位置：首页 > Python > 正文

Pandas排序的两种形式：sort_index与sort_values详解 | Python数据分析教程

ZhongYing
Python
2025-07-30
1529

Pandas排序的两种形式详解

掌握sort_index和sort_values方法，轻松处理数据分析任务

Pandas排序的重要性

在数据分析过程中，数据排序是基础且关键的操作。Pandas提供了两种强大的排序方法：sort_index()（按索引排序）和sort_values()（按值排序）。掌握这两种方法能让你更高效地探索和理解数据集。

1. sort_index() - 按索引排序

sort_index()方法允许你根据行索引或列索引对DataFrame或Series进行排序。

主要参数说明：

axis：0/'index'（按行索引排序）或1/'columns'（按列索引排序）
ascending：True（升序，默认）或False（降序）
inplace：True（原地修改）或False（返回新对象，默认）
na_position：'last'（NaN值放在最后，默认）或'first'（NaN值放在最前）

示例1：按行索引排序

import pandas as pd

# 创建示例DataFrame

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],

        'Age': [25, 32, 18, 47],

        'Salary': [60000, 45000, 52000, 80000]}

df = pd.DataFrame(data)

df.index = [3, 1, 4, 2]  # 设置自定义索引

print("原始DataFrame:")

print(df)

# 按行索引升序排序

df_sorted = df.sort_index()

print("\n按行索引升序排序:")

print(df_sorted)

# 按行索引降序排序

df_sorted_desc = df.sort_index(ascending=False)

print("\n按行索引降序排序:")

print(df_sorted_desc)

示例2：按列索引排序

# 创建示例DataFrame（列名乱序）

data = {'Salary': [60000, 45000, 52000, 80000],

        'Name': ['Alice', 'Bob', 'Charlie', 'David'],

        'Age': [25, 32, 18, 47]}

df_columns = pd.DataFrame(data)

print("原始DataFrame:")

print(df_columns)

# 按列索引升序排序

df_col_sorted = df_columns.sort_index(axis=1)

print("\n按列索引升序排序:")

print(df_col_sorted)

# 按列索引降序排序

df_col_sorted_desc = df_columns.sort_index(axis=1, ascending=False)

print("\n按列索引降序排序:")

print(df_col_sorted_desc)

使用技巧： 当处理时间序列数据时，sort_index()特别有用，可以确保时间索引按正确顺序排列。

2. sort_values() - 按值排序

sort_values()方法允许你根据一列或多列的值对DataFrame进行排序。

主要参数说明：

by：指定排序依据的列名或列名列表（必填）
axis：0/'index'（按行值排序）或1/'columns'（按列值排序）
ascending：True（升序，默认）或False（降序）；多列时可指定布尔值列表
inplace：True（原地修改）或False（返回新对象，默认）
na_position：'last'（NaN值放在最后，默认）或'first'（NaN值放在最前）

示例1：单列排序

# 使用之前的DataFrame

print("原始DataFrame:")

print(df)

# 按Age列升序排序

df_sorted_age = df.sort_values(by='Age')

print("\n按Age升序排序:")

print(df_sorted_age)

# 按Salary列降序排序

df_sorted_salary = df.sort_values(by='Salary', ascending=False)

print("\n按Salary降序排序:")

print(df_sorted_salary)

示例2：多列排序

# 添加部门信息

df['Department'] = ['HR', 'Engineering', 'Engineering', 'Marketing']

print("原始DataFrame:")

print(df)

# 按Department升序，然后按Salary降序排序

df_sorted_multi = df.sort_values(by=['Department', 'Salary'], 

                                ascending=[True, False])

print("\n按Department升序，Salary降序排序:")

print(df_sorted_multi)

# 处理包含NaN值的情况

df_with_nan = df.copy()

df_with_nan.loc[2, 'Salary'] = None  # 添加一个NaN值

print("\n包含NaN值的DataFrame:")

print(df_with_nan)

# 将NaN值放在最前

df_sorted_nan = df_with_nan.sort_values(by='Salary', na_position='first')

print("\n按Salary排序（NaN值在最前）:")

print(df_sorted_nan)

使用技巧： 多列排序时，ascending参数可以接受布尔值列表，为每列指定不同的排序方向。

sort_index()与sort_values()对比

特性	sort_index()	sort_values()
主要用途	按索引（行或列）排序	按数据值（一列或多列）排序
排序依据	索引标签	列/行中的实际值
关键参数	axis, ascending	by, axis, ascending
多列排序	不支持	支持（通过by参数传入列表）
典型应用场景	整理时间序列数据、恢复原始顺序	数据分析、按数值排序查找极值