pandas:基于多列对数据框进行排序

pandas:基于多列对数据框进行排序

在数据处理和分析过程中，经常需要根据多个列对数据框进行排序。pandas 是 Python 中一个常用的数据处理库，提供了丰富的功能来处理数据集。本文将详细介绍如何使用 pandas 对数据框进行基于多列的排序操作。

1. 创建数据框

首先我们来创建一个示例数据框，包含姓名、年龄和成绩三列数据：

import pandas as pd

data = {
    '姓名': ['张三', '李四', '王五', '赵六', '钱七'],
    '年龄': [25, 22, 28, 26, 24],
    '成绩': [80, 75, 90, 85, 88]
}

df = pd.DataFrame(data)
print(df)

运行以上代码，我们得到了一个包含姓名、年龄和成绩三列的数据框：

   姓名  年龄  成绩
0  张三  25  80
1  李四  22  75
2  王五  28  90
3  赵六  26  85
4  钱七  24  88

2. 单列排序

首先我们来对数据框中的单列进行排序，可以使用 sort_values 方法。例如，我们按成绩降序排列：

df_sorted = df.sort_values(by='成绩', ascending=False)
print(df_sorted)

运行以上代码，我们得到了按成绩降序排列的数据框：

   姓名  年龄  成绩
2  王五  28  90
4  钱七  24  88
3  赵六  26  85
0  张三  25  80
1  李四  22  75

3. 多列排序

如果需要对数据框按照多列进行排序，可以在 sort_values 方法中指定多个列名。例如，我们按照成绩和年龄进行降序排列：

df_sorted = df.sort_values(by=['成绩', '年龄'], ascending=False)
print(df_sorted)

运行以上代码，我们得到了按成绩和年龄进行降序排列的数据框：

   姓名  年龄  成绩
2  王五  28  90
4  钱七  24  88
3  赵六  26  85
0  张三  25  80
1  李四  22  75

4. 不同列的排序方式

在指定多个排序列时，可以为每个列指定不同的排序方式。例如，我们按成绩降序、年龄升序排列：

df_sorted = df.sort_values(by=['成绩', '年龄'], ascending=[False, True])
print(df_sorted)

运行以上代码，我们得到了按成绩降序、年龄升序排列的数据框：

   姓名  年龄  成绩
2  王五  28  90
4  钱七  24  88
3  赵六  26  85
0  张三  25  80
1  李四  22  75

5. 结语

本文介绍了如何使用 pandas 对数据框进行基于多列的排序操作。通过 sort_values 方法，我们可以轻松地按照指定的列对数据进行排序，满足不同业务需求。在实际数据处理和分析中，灵活运用排序功能将有助于更好地理解和分析数据。