Python Dataframe排序详解

在数据分析和清洗过程中，数据排序是相当重要的一个环节。在Python中，我们可以通过pandas库中的DataFrame数据结构轻松实现数据的排序功能。本文将详细介绍Python Dataframe的排序功能。

一、基础排序

在pandas中，我们可以使用sort_values()函数实现数据的排序操作。例如：

    import pandas as pd
    
    data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'],
            'age': [28, 34, 29, 42],
            'gender': ['M', 'M', 'M', 'F']}
    df = pd.DataFrame(data)
    
    print(df)
    
    # 对年龄进行升序排序
    df = df.sort_values(by=['age'])
    print(df)

   name  age gender
0   Tom   28      M
1  Jack   34      M
2  Steve  29      M
3  Ricky  42      F
   
   name  age gender
0   Tom   28      M
2  Steve  29      M
1  Jack   34      M
3  Ricky  42      F

我们可以发现，通过sort_values()函数按照年龄升序排序后，DataFrame的顺序已经改变了。

二、多列排序

如果我们希望按照多列顺序进行排序，只需要在sort_values()函数中传入需要按照排序的列名即可。例如：

    import pandas as pd
    
    data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'],
            'age': [28, 34, 29, 42],
            'gender': ['M', 'M', 'M', 'F']}
    df = pd.DataFrame(data)
    
    print(df)
    
    # 先按gender排序，再按age排序
    df = df.sort_values(by=['gender', 'age'])
    print(df)

上述代码中，我们先创建了一个包含姓名、年龄和性别信息的DataFrame，然后通过sort_values()函数按照性别和年龄进行排序。运行结果如下：

   name  age gender
0   Tom   28      M
1  Jack   34      M
2  Steve  29      M
3  Ricky  42      F
   
   name  age gender
1  Jack   34      M
2  Steve  29      M
0   Tom   28      M
3  Ricky  42      F

我们可以发现，按照性别和年龄进行排序后，DataFrame顺序发生了改变。

三、排序方式

在排序时，我们还可以指定排序的方式。默认情况下，sort_values()函数采用升序排序，如果我们需要进行降序排序，则需要在函数中指定ascending为False。例如：

    import pandas as pd
    
    data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'],
            'age': [28, 34, 29, 42],
            'gender': ['M', 'M', 'M', 'F']}
    df = pd.DataFrame(data)
    
    print(df)
    
    # 按照年龄降序排序
    df = df.sort_values(by=['age'], ascending=False)
    print(df)

上述代码中，我们先创建了一个包含姓名、年龄和性别信息的DataFrame，然后通过sort_values()函数按照年龄进行降序排序。运行结果如下：

   name  age gender
0   Tom   28      M
1  Jack   34      M
2  Steve  29      M
3  Ricky  42      F
   
   name  age gender
3  Ricky  42      F
1  Jack   34      M
2  Steve  29      M
0   Tom   28      M

我们可以发现，按照年龄降序排序后，DataFrame顺序发生了改变。

四、缺失值排序

在数据分析中，经常会遇到缺失值的情况，如果我们希望在排序时将缺失值放在最前面或最后面，可以通过na_position参数进行设置。例如：

    import pandas as pd
    import numpy as np
    
    data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'],
            'age': [28, 34, np.nan, 42],
            'gender': ['M', 'M', 'M', 'F']}
    df = pd.DataFrame(data)
    
    print(df)
    
    # 缺失值放在前面
    df = df.sort_values(by=['age'], na_position='first')
    print(df)
    
    # 缺失值放在后面
    df = df.sort_values(by=['age'], na_position='last')
    print(df)

上述代码中，我们先创建了一个包含姓名、年龄和性别信息的DataFrame，其中年龄列中含有缺失值。然后通过na_position参数在排序时将缺失值放在最前面或最后面。运行结果如下：

   name   age gender
0   Tom   28.0      M
1  Jack   34.0      M
2  Steve   NaN      M
3  Ricky  42.0      F
   
   name   age gender
2  Steve   NaN      M
0   Tom   28.0      M
1  Jack   34.0      M
3  Ricky  42.0      F
   
   name   age gender
0   Tom   28.0      M
1  Jack   34.0      M
3  Ricky  42.0      F
2  Steve   NaN      M

我们可以发现，通过na_position参数的设置，可以将缺失值放在最前面或最后面。