Python Pandas dataframe.sort_index()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个，使导入和分析数据变得更加容易。
Pandas dataframe.sort_index()函数按照标签沿着给定的axis对对象进行排序。
基本上，排序算法适用于axis标签，而不是数据框架中的实际数据，并在此基础上对数据进行重新排列。我们可以自由选择我们想要应用的排序算法。有三种可能的排序算法，我们可以使用 “quicksort”、”mergesort “和 “heapsort”。

语法: DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind=’quicksort’, na_position=’last’, sort_remaining=True, by=None)
参数 :
axis:索引，列直接排序
level : 如果不是无，则按指定的索引级别的值排序。
ascending：升序排序与降序排序
inplace : 如果为真，就地执行操作。
kind: {‘quicksort’, ‘mergesort’, ‘heapsort’}, 默认’quicksort’。选择排序的算法。更多信息请参见ndarray.np.sort。mergesort是唯一稳定的算法。对于DataFrames来说，这个选项只在对单一列或标签进行排序时适用。
na_position : [{‘first’, ‘last’}, default ‘last’] First puts NaNs at the beginning, last puts NaNs at the end.对MultiIndex不实现。
sort_remaining : 如果为真，并且按级别和索引排序是多级别的，在按指定级别排序后，也按其他级别排序（按顺序）。
返回： sorted_obj : DataFrame

示例#1：使用sort_index()函数，根据索引标签对数据框架进行排序。

# importing pandas as pd
import pandas as pd
 
# Creating the dataframe
df = pd.read_csv("nba.csv")
 
# Print the dataframe
df

我们可以在输出中看到，索引标签已经被排序，即（0，1，2，….）。因此，我们将从中提取一个随机样本，然后为演示目的对其进行排序。
让我们使用dataframe.sample()函数从数据框架中提取15个元素的随机样本。

# extract the sample dataframe from "df"
# and store it in "sample_df"
sample_df = df.sample(15)
 
# Print the sample data frame
sample_df

注意：每次我们执行dataframe.sample()函数，它都会给出不同的输出。让我们使用dataframe.sort_index()函数来根据索引标签对数据框架进行排序。

# sort by index labels
sample_df.sort_index(axis = 0)

输出 :

正如我们在输出中看到的，索引标签被排序了。

示例#2：使用sort_index()函数根据列标签对数据框架进行排序。

# importing pandas as pd
import pandas as pd
 
# Creating the dataframe
df = pd.read_csv("nba.csv")
 
# sorting based on column labels
df.sort_index(axis = 1)

输出 :