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 –
输出:
排序后 –
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。
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。
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。