Pandas索引排序?df.sort_index()的實現方法

這篇文章主要介紹了Pandas索引排序 df.sort_index()的實現方法，具有一定借鑒價值，需要的朋友可以參考下。下面就和我一起來看看吧。

df.sort_index()實現按索引排序，默認以從小到大的升序方式排列，如希望按降序排列，傳入ascending = False

import pandas as pd
 
df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ], 
                   columns = ['name','team','Q1','Q2','Q3','Q4'])
 
# 索引降序
res1 = df.sort_index(ascending=False)
 
# 按列索引名排序:
# 在索引方向上排序
res2 = df.sort_index(axis=1, ascending=False)

結果展示

df

res1

res2

擴展

# 更多方法如下:
s.sort_index() # 升序排列
df.sort_index() # df也是按索引進行排序
df.team.sort_index()
s.sort_index(ascending=False) # 降序排列
s.sort_index(inplace=True) # 排序后生效，改變原數據
# 索引重新0-(n-1)排，可以得到它的排序號
s.sort_index(ignore_index=True)
s.sort_index(na_position='first') # 空值在前，另'last'表示空值在后
s.sort_index(level=1) # 如果多層，排一級
s.sort_index(level=1, sort_remaining=False) # 這層不排
# 行索引排序，表頭排序
df.sort_index(axis=1) # 會把列按列名順序排序

df.reindex()指定自己定義順序的索引，實現行和列的順序重新定義

import pandas as pd
 
df = pd.DataFrame({
        'A':[1,2,3],
        'B':[4,5,6]
        },index=['a','b','c'])
 
# 按要求重新指定索引順序
res1 = df.reindex(['c','b','a'])
 
# 指定列順序
res2 = df.reindex(['B','A'], axis=1)

結果展示

df

res1

res2

以上就是Pandas索引排序 df.sort_index()的實現方法的詳細內容了，看完之后是否有所收獲呢？如果想了解更多相關內容，歡迎來億速云行業資訊！