Pandas – Dataframe.sort_values() part2

前面介绍了：Pandas – Dataframe.sort_values() part1

Python是一种做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 是这些软件包之一，它使导入和分析数据变得更加容易。

Pandas sort_values()函数对一个数据框按照所传递的列的升序或降序进行排序。它与Python的sorted函数不同，因为它不能对数据帧进行排序，也不能选择特定的列。

我们来讨论一下Dataframe.sort_values()多参数排序。

语法:

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind=’quicksort’, na_position=’last’)

例一：按姓名和团队排序
在下面的例子中，从csv文件中制作了一个数据框，该数据框按团队的升序排序，在每个团队中，名称也按升序排序。

分拣前 –

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team and then By names
data.sort_values(["Team", "Name"], axis=0,
                 ascending=True, inplace=True)
  
#display
data

输出:

排序后 –

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team and then By names
data.sort_values(["Team", "Name"], axis=0,
                 ascending=True, inplace=True)
  
#display
data

如图所示，团队首先按升序排序，然后对每个团队名称按升序排序。

例子#2：将列表传递给升序参数

如上例所示，通过向’by’参数传递一个列表，可以对一个数据框架的多个列进行排序。我们也可以向’ascending’参数传递一个列表，告诉pandas哪一列要如何排序。
升序 “参数中布尔值的索引应与 “由 “参数中列名的索引相同。

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team and then By names
data.sort_values(["Team", "Name"], axis=0,
                 ascending=[True,False], inplace=True)
  
#display
data

如下图所示，数据框是按团队名称升序排序的，对于每个团队名称，名称是按降序排序的。

例子#3：使用3栏进行排序

在下面的例子中，相同的数据框是按团队名称排序的。对于每个团队，数据框按年龄排序，对于每个相同的年龄，数据框按高度排序。这个例子将解释多参数排序如何在数据框中工作。

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team, age and height
data.sort_values(["Team", "Age", "Height"], axis=0,
                 ascending=[False,True,False],
inplace=True)
  
#display
data

如图所示，首先对球队名称进行排序，然后对年龄进行排序，对每个年龄段的身高进行排序。在 “华盛顿奇才 “队中，有3名年龄为30岁的球员。这3个人按其身高从高到低排序。