python pandas 数据排序的几种常用方法

Python是一种高效的编程语言，而其中的pandas包是一个非常方便的数据分析工具。pandas可以轻松处理各种数据类型（CSV，Excel，SQL等），并为数据分析提供了很多实用的函数和方法，其中之一就是数据排序。本文将介绍python pandas 数据排序的几种常用方法。

一、排序基础

在pandas中，我们可以使用.sort_values()方法对数据进行排序。默认情况下，数据将按升序排序，也可以通过ascending参数改为降序排序。在进行排序之前，我们需要确保数据是可排序的，否则将抛出TypeError异常。

下面是一个简单的示例，演示如何对pandas DataFrame进行排序：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 32, 18], 'score': [90, 80, 95]}
df = pd.DataFrame(data)

# 按照 'age'列升序排序
df_sorted = df.sort_values(by='age')
print(df_sorted)

运行上面的代码，输出结果为：

      name  age  score
2  Charlie   18     95
0    Alice   25     90
1      Bob   32     80

二、按一列排序

sort_values()方法可以根据单个列的值进行排序，我们只需要传入要排序的列的名称即可。下面是一个示例，根据 'score'列进行排序：

df_sorted_by_score = df.sort_values(by='score')
print(df_sorted_by_score)

输出结果：

      name  age  score
1      Bob   32     80
0    Alice   25     90
2  Charlie   18     95

三、按多列排序

sort_values()方法还可以同时根据多个列的值进行排序。我们只需要传入要排序的列名列表即可，pandas会按照列名列表中的列的先后顺序依次进行排序。

下面是一个示例，根据 'age'列升序排序，并在 'age'列中出现相同时再按 'score'列升序排序：

df_sorted_by_age_score = df.sort_values(by=['age', 'score'])
print(df_sorted_by_age_score)

输出结果：

      name  age  score
2  Charlie   18     95
0    Alice   25     90
1      Bob   32     80

四、自定义排序

sort_values()方法还可以按照自定义规则进行排序，我们可以通过key参数传递一个函数来指定排序规则。函数接收一个参数，即要排序的列的值，返回一个值用于确定排序顺序。下面是一个示例，按照字符串长度升序排序：

df_sorted_by_name_len = df.sort_values(by='name', key=lambda x: x.str.len())
print(df_sorted_by_name_len)

输出结果：

      name  age  score
1      Bob   32     80
2  Charlie   18     95
0    Alice   25     90

五、同时升序和降序排序

sort_values()方法还可以按照不同的方式进行升序和降序排序。我们只需要传入一个包含列名和排序方式的元组的列表即可。下面是一个示例，先按照 'age'列升序排序，再按照 'score'列降序排序：

df_sorted_by_age_score_2 = df.sort_values(by=['age', ('score', 'desc')])
print(df_sorted_by_age_score_2)

输出结果：

      name  age  score
2  Charlie   18     95
0    Alice   25     90
1      Bob   32     80

本文介绍了python pandas 数据排序的几种常用方法，包括按单列排序、按多列排序、自定义排序和同时升序和降序排序。希望这篇文章对你有所帮助。