Pandas数据排序

一、pandas的两种排序方法：

1、Series的排序：Series.sort_values(ascending=True, inplace=False)

参数说明：
* ascending：默认为True升序排序，为False降序排序
* inplace：是否修改原始Series

2、DataFrame的排序：DataFrame.sort_values(by, ascending=True, inplace=False)

参数说明：
by：字符串或者List<字符串>，单列排序或者多列排序
ascending：bool或者List，升序还是降序，如果是list对应by的多列
inplace：是否修改原始DataFrame

二、读取数据；读取的数据可以用来进行两种排序

import pandas as pd
fpath = "./datas/beijing_tianqi_2018.csv"
df = pd.read_csv(fpath)
# 替换掉温度的后缀℃
df["bWendu"] = df["bWendu"].str.replace("℃", "").astype('int64')
df["yWendu"] = df["yWendu"].str.replace("℃", "").astype('int64')
df.head()ymd            bWendu  yWendu  tianqi  fengxiang   fengli  aqi aqiInfo aqiLevel0   2018-01-01      3   -6      晴~多云    东北风     1-2级    59      良   21  2018-01-02      2   -5      阴~多云    东北风     1-2级    49      优   12  2018-01-03      2   -5      多云      北风          1-2级    28      优   13  2018-01-04      0   -8      阴       东北风     1-2级    28      优   14  2018-01-05      3   -6      多云~晴    西北风     1-2级    50      优   1

三、Series的排序

df["aqi"].sort_values()271     21281     21249     22272     22301     22... 317    26671     28791     28772     29386     387Name: aqi, Length: 365, dtype: int64
df["aqi"].sort_values(ascending=False)86     38772     29391     28771     287317    266... 301     22272     22249     22281     21271     21Name: aqi, Length: 365, dtype: int64
df["tianqi"].sort_values()225     中雨~小雨230     中雨~小雨197    中雨~雷阵雨196    中雨~雷阵雨112        多云...  191    雷阵雨~大雨219     雷阵雨~阴335      雾~多云353         霾348         霾Name: tianqi, Length: 365, dtype: object

四、DataFrame的排序

1、单列排序

df.sort_values(by="aqi")ymd       bWendu  yWendu  tianqi  fengxiang   fengli  aqi aqiInfo aqiLevel271 2018-09-29  22      11      晴       北风          3-4级    21      优       1281    2018-10-09  15      4       多云~晴    西北风     4-5级    21      优       1249    2018-09-07  27      16      晴       西北风     3-4级    22      优       1272    2018-09-30  19      13      多云      西北风     4-5级    22      优       1301    2018-10-29  15      3       晴       北风          3-4级    22      优       1...        ...     ...     ...     ...     ...         ...     ...     ...     ... 317 2018-11-14  13      5       多云      南风          1-2级    266     重度污染    571 2018-03-13  17      5       晴~多云    南风          1-2级    287     重度污染    591 2018-04-02  26      11      多云      北风          1-2级    287     重度污染    572 2018-03-14  15      6       多云~阴    东北风     1-2级    293     重度污染    586 2018-03-28  25      9       多云~晴    东风          1-2级    387     严重污染    6
df.sort_values(by="aqi", ascending=False)ymd        bWendu  yWendu  tianqi  fengxiang   fengli  aqi aqiInfo aqiLevel271 2018-09-29  22      11      晴       北风          3-4级    387     优       1281    2018-10-09  15      4       多云~晴    西北风     4-5级    293     优       1249    2018-09-07  27      16      晴       西北风     3-4级    287     优       1272    2018-09-30  19      13      多云      西北风     4-5级    287     优       1301    2018-10-29  15      3       晴       北风          3-4级    266     优       1...        ...     ...     ...     ...     ...         ...     ...     ...     ... 317 2018-11-14  13      5       多云      南风          1-2级    22      重度污染    571 2018-03-13  17      5       晴~多云    南风          1-2级    22      重度污染    591 2018-04-02  26      11      多云      北风          1-2级    22      重度污染    572 2018-03-14  15      6       多云~阴    东北风     1-2级    21      重度污染    586 2018-03-28  25      9       多云~晴    东风          1-2级    21      严重污染    6365 rows × 9 columns

2、多列排序

# 按空气质量等级、最高温度排序，默认升序
df.sort_values(by=["aqiLevel", "bWendu"])

# 两个字段都是降序
df.sort_values(by=["aqiLevel", "bWendu"], ascending=False)

# 分别指定升序和降序
df.sort_values(by=["aqiLevel", "bWendu"], ascending=[True, False])

Pandas数据排序相关推荐

【Python】Pandas数据排序实现
公众号:尤而小屋作者:Peter 编辑:Peter 在以前的一篇文章图解Pandas的排序机制sort_values 详细介绍了如何使用pandas的内置函数sort_values来实现数 ...
【Python】一文搞懂Pandas数据排序
数据排序,是使用非常高频的功能,Pandas排序支持做的非常好,主要涉及两个函数,两种数据类型,组合起来四种情况. Series排序 Series.sort_index 索引排序 Series.sor ...
Pandas数据排序，人人都能学会的几种方法
来源:Python数据之道 (ID:PyDataLab) 作者:阳哥 Pandas 可以说是在Python数据科学领域应用最为广泛的工具之一. Pandas是一种高效的数据处理库,它以 datafr ...
Python数据攻略-Pandas数据排序方法
大家好,我是Mr数据杨.我们从数据准备开始,这如同三国的战争前的备战,必须有充足的粮草和士兵.而.sort_values()和.sort_index()方法,则像是战争中的行军路线,决定着军队的移动顺 ...
Pandas数据排序——【按索引排序sort_index()方法、按值排序sort_value()方法】
文章目录按索引排序--sort_index() 对Series排序对DataFrame排序按值排序--sort_value() 对Series进行排序对DataFrame进行排序按索引排序- ...
pandas数据排序sort_values后面inplace=True与inplace=False的实例驱动理解
目录 1 引子 2 inplace参数理论理解 3 inplace参数实例驱动理解 3.1 inplace = True 3.2 inplace = False 1 引子 Series 的排序: S ...
【Python学习系列二十二】pandas数据筛选和排序
在Pandas中通过.sort和.loc函数也可以实现这两个功能..sort函数可以实现对数据表的排序操作,.loc函数可以实现对数据表的筛选操作. 1.排序 sort函数主要包含6个参数:colu ...
pandas使用read_csv函数读取csv数据、sort_index函数基于多层行索引对数据排序（设置ascending参数列表指定不同层行索引的排序方向）
pandas使用read_csv函数读取csv数据.index_col参数指定作为行索引的数据列索引列表形成复合(多层)行索引.sort_index函数基于多层行索引对数据排序(设置ascending ...
python pandas DataFrame 排序
python pandas DataFrame 排序 import pandas as pd import numpy as np df1 = pd.DataFrame({'日期': ['2021-7 ...

Pandas数据排序

一、pandas的两种排序方法：

1、Series的排序：Series.sort_values(ascending=True, inplace=False)

2、DataFrame的排序：DataFrame.sort_values(by, ascending=True, inplace=False)

二、读取数据；读取的数据可以用来进行两种排序

三、Series的排序

四、DataFrame的排序

1、单列排序

2、多列排序

Pandas数据排序相关推荐

最新文章

热门文章