pandas数据的排序

本文的主要内容是基于中国大学mooc（慕课）中的“Python数据分析与可视化”课程进行整理和总结。
在介绍数据排序之前，我们先对数据理解建立一个感性的认识，我们知道一组数据可以表达一个或者多个含义，我们需要一个完整的运算过程来得到数据的含义，我们把这个简单的运算过程称为摘要，摘要就是数据在形成特征的过程中采用有损的形式获得的一些结果，我们能够通过摘要获得以下信息：

• 基本统计（含排序）
• 分布/累计统计
• 相关性和周期性的数据特征
• 深入数据挖掘，形成知识

严格上来说，我们不可能使用每一个数据的绝对值构成知识，通过数据构建知识的过程中一定是有损的，损失的多与少就形成了摘要的不同结果，摘要的第一个过程就是需要对数据进行排序，下面介绍数据排序的基本方法。
在pandas库中，无论是Series还是DataFrame类型，不仅可以对数据，还能对索引进行操作，所以在对数据进行排序两个方面，pandas提供了两个方法。

操作索引的排序方法

.sort_index()方法在指定轴上根据索引进行排序，默认升序，该方法并非对数据进行排序运算，而是对数据对应索引进行排序运算。
.sort_index(axis=0,ascending=True)，其中ascending=True表示默认递增排序。

b = pd.DataFrame(np.arange(20).reshape(4,5), index=['c', 'a', 'd', 'b'])
b

	0	1	2	3	4
c	0	1	2	3	4
a	5	6	7	8	9
d	10	11	12	13	14
b	15	16	17	18	19

b.sort_index(axis=0, ascending=True)

	0	1	2	3	4
a	5	6	7	8	9
b	15	16	17	18	19
c	0	1	2	3	4
d	10	11	12	13	14

b.sort_index(ascending=False)

	0	1	2	3	4
d	10	11	12	13	14
c	0	1	2	3	4
b	15	16	17	18	19
a	5	6	7	8	9

我们还能够对1轴进行排序

c = b.sort_index(axis=1, ascending=False)
c

	4	3	2	1	0
c	4	3	2	1	0
a	9	8	7	6	5
d	14	13	12	11	10
b	19	18	17	16	15

pandas还提供了sort_values()方法对数据进行排序。

• Series.sort_values(axis=0,ascending=True)，其中ascending=True表示默认递增排序；
• DataFrame…sort_values(by, axis=0,ascending=True)，其中by表示axis轴上某一个索引或者索引列表。

b = pd.DataFrame(np.arange(20).reshape(4,5), index=['c', 'a', 'd', 'b'])
b

	0	1	2	3	4
c	0	1	2	3	4
a	5	6	7	8	9
d	10	11	12	13	14
b	15	16	17	18	19

b.sort_values(2,ascending=False)

	0	1	2	3	4
b	15	16	17	18	19
d	10	11	12	13	14
a	5	6	7	8	9
c	0	1	2	3	4

上述代码表示，默认0轴，对第二列进行降序排序，我们还能对1轴进行排序。

b.sort_values('d', axis = 1, ascending=False)

	4	3	2	1	0
c	4	3	2	1	0
a	9	8	7	6	5
d	14	13	12	11	10
b	19	18	17	16	15

NaN的空值在排序中，统一放到末尾。

b = pd.DataFrame(np.arange(20).reshape(4,5), index=['c', 'a', 'd', 'b'])
b

	0	1	2	3	4
c	0	1	2	3	4
a	5	6	7	8	9
d	10	11	12	13	14
b	15	16	17	18	19

a = pd.DataFrame(np.arange(12).reshape(3,4),index=['a','b','c'])
a

	0	1	2	3
a	0	1	2	3
b	4	5	6	7
c	8	9	10	11

c = a + b
c

c.sort_values(2,ascending=False)

c.sort_values(2,ascending=True)