Pandas数值排序 sort_values()的使用

下面是关于Pandas中数值排序 sort_values()的使用的完整攻略：

什么是sort_values()函数

sort_values（）是Pandas的一个函数，可以对数据帧中的数值进行升序或降序排列。sort_values()具有以下语法：

dataframe.sort_values(by=['column_name'], ascending=True/False)

这里的column_name是要排序的列的名称，ascending参数告诉sort_values()是升序排序还是降序排序。若ascending=True，则为升序排序；若ascending=False，则为降序排序。

sort_values()函数的示例

示例一

首先，我们要导入Pandas并创建一个包含一些数字的数据帧：

import pandas as pd

data = {'city': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen', 'Hangzhou'],
        'population': [2154, 2424, 1404, 1303, 981],
        'GDP': [30320, 32680, 20187, 22330, 13468]}

df = pd.DataFrame(data)

print(df)

数据框如下：

        city  population    GDP
0    Beijing        2154  30320
1   Shanghai        2424  32680
2  Guangzhou        1404  20187
3   Shenzhen        1303  22330
4   Hangzhou         981  13468

然后，我们可以使用sort_values()函数对数据帧的“population”列进行升序排列：

df_sort = df.sort_values(by=['population'], ascending=True)

print(df_sort)

输出结果：

        city  population    GDP
4   Hangzhou         981  13468
3   Shenzhen        1303  22330
2  Guangzhou        1404  20187
0    Beijing        2154  30320
1   Shanghai        2424  32680

示例二

我们可以用另一种方式对该数据框进行排序。首先，我们创建一个包含南昌在内的数据框。

data = {'city': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen', 'Hangzhou', 'Nanchang'],
        'population': [2154, 2424, 1404, 1303, 981, 590],
        'GDP': [30320, 32680, 20187, 22330, 13468, 6238]}

df = pd.DataFrame(data)

print(df)

数据框如下：

        city  population    GDP
0    Beijing        2154  30320
1   Shanghai        2424  32680
2  Guangzhou        1404  20187
3   Shenzhen        1303  22330
4   Hangzhou         981  13468
5   Nanchang         590   6238

现在，我们对数据框按照GDP进行降序排列：

df_sort = df.sort_values(by=['GDP'], ascending=False)

print(df_sort)

输出结果：

        city  population    GDP
1   Shanghai        2424  32680
0    Beijing        2154  30320
3   Shenzhen        1303  22330
2  Guangzhou        1404  20187
4   Hangzhou         981  13468
5   Nanchang         590   6238

结论

在本文中我们讲解了Pandas中数值排序sort_values()的使用方法，并提供了两个实际示例，希望此文能对使用Pandas进行数据分析的开发人员有所帮助。