Python数据分析Pandas Dataframe排序操作的方法

本文小编为大家详细介绍"Python数据分析Pandas Dataframe排序操作的方法"，内容详细，步骤清晰，细节处理妥当，希望这篇"Python数据分析Pandas Dataframe排序操作的方法"文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。

1.索引的排序

DataFrame 提供了sort_index()方法来进行索引的排序，通过axis参数指定对行索引排序还是对列索引排序，默认为0，表示对行索引排序，设置为1表示对列索引进行排序；ascending参数指定升序还是降序，默认为True表示升序，设置为False表示降序，

具体使用方法如下：

对行索引进行降序排序：

sort_df = df.sort_index(ascending=False)sort_df

对列索引升序排序：

sort_df = df.sort_index(axis=1)sort_df

2.值的排序

DataFrame 提供了sort_values()方法来进行值的排序，相比sort_index()方法，它多了一个by参数，接收字符串或者列表，来指定要排序的行或者列名，其余基本一致，具体使用方法如下：

按age的值进行升序排序:

sort_df = df.sort_values(by="age")sort_df

先按age的值进行升序排序，再按gender的值进行降序排序：

sort_df = df.sort_values(by=["age", "gender"], ascending=[True, False])sort_df

结果输出如下：

排序完之后，如果想要调整一下行索引，可以使用以下方式重新设置一下行索引。

frame.reset_index(drop=True)

设置参数drop=True表示删除原索引，如果不想删除原索引，只是再加一列索引即可，可以不设定，如下：

读到这里，这篇"Python数据分析Pandas Dataframe排序操作的方法"文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注行业资讯频道。