pandas 排序、排名函数的使用

深碍√TFBOYSˉ_ 2022-05-14 06:53 181阅读 0赞

> # 排序 #

# **Series** #

### s.sort\_index(ascending=False)\#对series的索引进行排序，默认升序 ###

![70][]

### s.sort\_values(ascending=False)\#对series的值进行排序，对值进行排序的时候，无论是升序还是降序，缺失值（NaN）都会排在最后面 ###

![70 1][]

# **DataFrame：** #

### dt.sort\_index(ascending=False)\#按列索引进行降序排序 ###

### dt.sort\_inex(axis=1)\#按行的索引进行排序 ###

### dt.sort\_values(by='columns\_name')\#按指定列的值进行排序 ###

### dt.sort\_values(by='row\_name', axis=1)\#按指定行的值进行排序 ###

使用by参数进行某几列（行）排序的时候，以列表中的第一个为准，可能后面的不会生效，因为有的时候无法做到既对第一行（列）进行升序排序又对第二行（列）进行排序。在指定行值进行排序的时候，必须设置axis=1，不然会报错，因为默认指定的是列索引，找不到这个索引所以报错，axis=1的意思是指定行索引。

> # **排名** #

# **Series** #

### s.rank(method=‘first’)\#对series的值进行升序排名，输出为排名，当排名相同时，输出平均排名，method=‘first’排名相同时按照值在数组中出现的顺序排序 ###

method参数除了,first按值在原始数据中的出现顺序分配排名，还有min使用整个分组的最小排名，max是用整个分组的最大排名，average使用平均排名，也是默认的排名方式。还可以设置ascending参数，设置降序还是升序排序。

![70 2][]

# **DataFrame：** #

### dt.rank()\#按列进行排名 ###

### dt.rank(axis=1)\#按行进行排名 ###

method与ascending参数的使用与Series的相同

参考链接：[https://blog.csdn.net/sinat\_29957455/article/details/78993732][https_blog.csdn.net_sinat_29957455_article_details_78993732]

[70]: /images/20220514/d0d7a5b5e6e74c57863d61904aa4b342.png
[70 1]: /images/20220514/4f1a5b89afcf46aa9efad58ae26d7926.png
[70 2]: /images/20220514/0cd8db556fa74547aa0d88a5ed8a74ad.png
[https_blog.csdn.net_sinat_29957455_article_details_78993732]: https://blog.csdn.net/sinat_29957455/article/details/78993732