Pandas 数据排序
有的时候我们可以要根据索引的大小或者值的大小对Series和DataFrame进行排名和排序。
根据条件对Series对象或DataFrame对象的值排序（sorting）和排名(ranking)是一种重要的内置运算。
使用 pandas 对象的：sort_index()/ sort_values()/ rank()方法。
Series排序
sort_index 方法可以根据行或列的索引按照字典的顺序进行排序，返回一个已排 的新对象
sort_index 按索引进行排序
#定义一个Series
s = Series([1,2,3],index=["a","c","b"])
#对Series的索引进行排序，默认是升序
print(s.sort_index())
'''
a 1
b 3
c 2
'''
#对索引进行降序排序
print(s.sort_index(ascending=False))
'''
c 2
b 3
a 1
'''
sort_values按值进行排序
DataFrame.sort_values(by,
axis=0,
ascending=True,
inplace=False,
kind='quicksort',
na_position='last'
)
axis这个参数的默认值为0，匹配的是index，跨行进行排序，当axis=1时，匹配的是columns，跨列进行排序by这个参数要求传入一个字符或者是一个字符列表，用来指定按照axis的中的哪个元素来进行排序ascending这个参数的默认值是True，按照升序排序，当传入False时，按照降序进行排列kind这个参数表示按照什么样算法来进行排序，默认值是quicksort（快速排序），也可以传入mergesort（归并排序）或者是heapsort（堆排序），至于具体每种算法是如何实现的，我们这里按下不表，同样的，对于inplace这个参数我们也不做讨论对于涉及到的In-place algorithm（原地算法）感兴趣的可以看看这里 最后一个参数na_position是针对DataFrame中的空缺值的，默认值是last表示将空缺值放在排序的最后，也可以传入first放在最前：
s = Series([np.nan,1,7,2,0],index=["a","c","e","b","d"])
#对Series的值进行排序，默认是按值的升序进行排序的
print(s.sort_values())
'''
d 0.0
c 1.0
b 2.0
e 7.0
a NaN
'''
#对Seires的值进行降序排序
print(s.sort_values(ascending=False))
'''
e 7.0
b 2.0
c 1.0
d 0.0
a NaN
'''
NaN值会放在Series末尾
se4=pd.Series([3,np.nan,-7,np.nan,5])
se4.sort_values()
2 -7.0
0 3.0
4 5.0
1 NaN
3 NaN
dtype: float64
DataFrame排序
通过axis参数可以对任意轴排序
df1=pd.DataFrame(np.arange(9).reshape(3,3),index=list("bac"),columns=list("yzx"))
print(df1)
'''
y z x
b 0 1 2
a 3 4 5
c 6 7 8
'''
print(df1.sort_index())
'''
y z x
a 3 4 5
b 0 1 2
c 6 7 8
'''
print(df1.sort_index(axis=1))
'''
x y z
b 2 0 1
a 5 3 4
c 8 6 7
'''
根据一个列的值来排序
df2=pd.DataFrame({'a':[20,3,3],'b':[1,-6,18]})
print(df2.sort_values(by='b'))
'''
a b
1 3 -6
0 20 1
2 3 18
'''
对多个列来排序
df = DataFrame(np.arange(20).reshape(5,4),index=[3,1,2,4,6],columns=['d','c','a','b'])
print(df.sort_index(ascending=False)) # 降序排列
'''
d c a b
6 16 17 18 19
4 12 13 14 15
3 0 1 2 3
2 8 9 10 11
1 4 5 6 7
'''
rank( )函数
rank()函数返回从小到大排序的下标
DataFrame.rank(axis=0,
method='average',
numeric_only=None,
na_option='keep',
ascending=True,
pct=False
)
axis：设置沿着哪个轴计算排名（0或者1)
numeric_only：是否仅仅计算数字型的columns，布尔值
na_option：NaN值是否参与排序及如何排序（‘keep’，‘top'，’bottom'）
ascending：设定升序排还是降序排
pct：是否以排名的百分比显示排名（所有排名与最大排名的百分比）
- method：取值可以为'average'，'first'，'min'， 'max'，'dense'，
- "first": 顾名思义，第一个，谁出现的位置靠前，谁的排名靠前。李四和王五的成绩都为30，但是李四出现在王五的前面，所以李四的排名靠前
- "min": 当method=“min”时，成绩相同的同学，取在顺序排名中最小的那个排名作为该值的排名，李四和王五同学排名分别为2和3，那么当method为min时，取2和3的最小的那个作为第2名作为成绩30的排名。
- "dense": 是密集的意思，即相同成绩的同学排名相同，其他依次加1即可。
- average，成绩相同时，取顺序排名中所有名次之和除以该成绩的个数，即为该成绩的名次；比如上述排名中，30排名为2,3，那么 30的排名 = （2+3）/2=2.5，成绩为50的同学只有1个，且排名为1，那50的排名就位1/1=1。
- max，和min一样也是跳跃排名的一种，成绩相同时取顺序排名中排名最大的作为该成绩的名次，在顺序排名中，30最大的排名为3，那么当参数为max时，30的排名=3，此时，李四和王五的排名都为第3名了。
- 默认情况下，rank是通过“为各组分配一个平均排名”的方式破坏平级关系的
In [120]:obj = pd.Series([7,-5,7,4,2,0,4])
In [121]:obj.rank()
Out [121]:
0 6.5
1 1.0
2 6.5
3 4.5
4 3.0
5 2.0
6 4.5
dtype: float64
在 obj 中，4和4的排名是第4名和第五名，取平均得4.5。7和7的排名分别是第六名和第七名，则其排名取平均得6.5
- 根据值在原数据中出现的顺序排名**
In [122]:obj.rank(method='first')
Out [122]:
0 6.0
1 1.0
2 7.0
3 4.0
4 3.0
5 2.0
6 5.0
dtype: float64
- 按降序进行
In [123]:obj.rank(ascending=False, method='max')
Out [123]:
0 2.0
1 7.0
2 2.0
3 4.0
4 5.0
5 6.0
6 4.0
dtype: float64
- 若对DataFrame进行排序，则可根据axis指定要进行排序的轴
In [136]: frame=pd.DataFrame({'b':[5,7,-3,2],'a':[0,1,0,1],'c':[-2,5,8,-3]})
In [137]: frame
Out[137]:
a b c
0 0 5 -2
1 1 7 5
2 0 -3 8
3 1 2 -3
In [138]: frame.rank(axis=0)
Out[138]:
a b c
0 1.5 3.0 2.0
1 3.5 4.0 3.0
2 1.5 1.0 4.0
3 3.5 2.0 1.0
In [139]: frame.rank(axis=1)
Out[139]:
a b c
0 2.0 3.0 1.0
1 1.0 3.0 2.0
2 2.0 1.0 3.0
3 2.0 3.0 1.0
参考：