Pandas知識點(diǎn)-排序操作

數(shù)據(jù)處理過程中，經(jīng)常需要對數(shù)據(jù)進(jìn)行排序，使數(shù)據(jù)按指定的順序排列(升序或降序)。

在Pandas中，排序功能已經(jīng)實(shí)現(xiàn)好了，我們只需要調(diào)用對應(yīng)的方法即可。

本文使用的數(shù)據(jù)來源于網(wǎng)易財經(jīng)，具體下載方法可以參考：Pandas知識點(diǎn)-DataFrame數(shù)據(jù)結(jié)構(gòu)介紹

本文的代碼在Jupyter Notebook中編寫，Jupyter Notebook的安裝可以參考：Jupyter Notebook的安裝和使用

一、數(shù)據(jù)讀取

數(shù)據(jù)文件是600519.csv，將此文件放到代碼同級目錄下，從文件中讀取出數(shù)據(jù)。

為了方便后面進(jìn)行排序操作，只讀取了數(shù)據(jù)中的前十行，并刪除了一些列，設(shè)置“日期”和“收盤價”為索引。

讀取的原始數(shù)據(jù)如上圖，本文基于這些數(shù)據(jù)來進(jìn)行排序操作。

二、DataFrame排序操作

1. 按索引進(jìn)行排序

sort_index(): 對DataFrame按索引排序。

一般情況下DataFrame的行索引都是單列索引，即數(shù)值型索引或指定的某一列作為行索引。如果行索引為多重索引，在不指定參數(shù)level時，會按多重索引中的第一個行索引進(jìn)行排序。

ascending: 排序默認(rèn)是升序排序，ascending參數(shù)默認(rèn)為True，將ascending參數(shù)設(shè)置成False則按降序排序。

axis: 排序默認(rèn)是按行索引排序(對每一行數(shù)據(jù)排序)，axis參數(shù)默認(rèn)為0，將axis參數(shù)設(shè)置成1則按列索引排序(對每一列數(shù)據(jù)排序)。不過，在實(shí)際應(yīng)用中，對列排序的情況是極少的。

inplace: 在排序時，默認(rèn)返回一個新的DataFrame，inplace參數(shù)默認(rèn)為False，將inplace參數(shù)設(shè)置成True則對原DataFrame進(jìn)行排序，直接修改了數(shù)據(jù)本身，無返回值。無返回值時不能鏈?zhǔn)秸{(diào)用，如調(diào)用head()，將inplace設(shè)置成True時要注意。

2. 按多重索引進(jìn)行排序

level: 當(dāng)DataFrame的行索引為多重索引時，通過level參數(shù)可以指定按多重索引中的一個或多個行索引進(jìn)行排序，level參數(shù)默認(rèn)為None，按多重索引中的第一個行索引排序。如指定level為“收盤價”時，不再是按“日期”排序，而是按“收盤價”排序。

給level傳值時，可以傳入行索引的key(索引名)，如：“日期”、“收盤價”，也可以傳入行索引的數(shù)值索引，如：0或1，0對應(yīng)“日期”，1對應(yīng)“收盤價”。

如果要按多重索引內(nèi)的多個行索引排序，可以給level傳入一個列表，這樣會先按列表中的第一個行索引排序，當(dāng)?shù)谝粋€行索引有相等的值時，再按第二個行索引進(jìn)行排序，以此類推。對應(yīng)的ascending可以傳入一個值，表示多個行索引都升序或都降序，如果要使多個行索引有升序有降序，可以給ascending傳入一個列表，列表長度與level的列表長度必須相等。

ignore_index: 如果DataFrame的行索引為多重索引，排序結(jié)果顯示的索引默認(rèn)是多重索引，ignore_index參數(shù)默認(rèn)為False，將ignore_index參數(shù)設(shè)置成True則結(jié)果中會隱藏多重索引，顯示成數(shù)值型索引(排序完成后從0開始編號)。

sort_remaining: 按多重索引排序時，按level指定的行索引排序后，默認(rèn)會繼續(xù)對剩余的行索引進(jìn)行排序，sort_remaining參數(shù)默認(rèn)為True。在上面的例子中，level指定按“收盤價”進(jìn)行降序排序，如果sort_remaining為True，按“收盤價”排序后，如果“收盤價”中有相等的值，會繼續(xù)按剩余的(level沒有指定的)行索引“日期”進(jìn)行降序排序。如果sort_remaining為False，則按“收盤價”排序后，排序就結(jié)束了，即使“收盤價”中有相等的值也不會繼續(xù)排序。

當(dāng)多重索引中不止兩個行索引時，如果level指定的行索引排序升降不一致(有升序有降序)，即使sort_remaining為True，剩余的行索引也不會繼續(xù)排序。例如多重索引中有三個行索引，level指定了按前兩個索引排序，一個是升序一個是降序，此時即使sort_remaining為True，也不會繼續(xù)按第三個行索引排序。不過，在實(shí)際應(yīng)用中，這種情況極少。

繼續(xù)上面的情況，按多重索引中的第一個行索引排序后不繼續(xù)排序，如果第一個行索引中有相等的值，結(jié)果的順序是什么樣的呢？是不是保持原始數(shù)據(jù)的先后順序？

kind: 在sort_index()中默認(rèn)采用的排序算法是快速排序，kind參數(shù)默認(rèn)為quicksort(快速排序)?？焖倥判蚴且环N不穩(wěn)定的排序算法，不能保證結(jié)果中值相等的數(shù)據(jù)保持先后順序。kind參數(shù)支持三種排序算法，另兩種是mergesort(歸并排序)和heapsort(堆排序)，三種排序算法中只有歸并排序是穩(wěn)定的。但kind參數(shù)只支持單列的排序，不能用于按多重索引排序的情況。如果對每個行索引的排序都有要求，最好是通過level和ascending參數(shù)依次指定好。

3. 按指定列進(jìn)行排序

在按列排序前，請?zhí)貏e注意：按行索引排序和按列排序都是對行進(jìn)行排序，按列索引排序和按行排序都是對列進(jìn)行排序。避免被繞暈了。

sort_values(): 對DataFrame按列排序。

by: sort_values()的第一個參數(shù)by是必傳參數(shù)，傳入排序指定的基準(zhǔn)列，傳參可以用位置參數(shù)的方式，也可以用關(guān)鍵字參數(shù)的方式。如果對行排序，by參數(shù)必須傳入列索引中的值，如果對列排序，by參數(shù)必須傳入行索引中的值。

因為DataFrame中存儲的每一列數(shù)據(jù)類型通常不一樣，有些數(shù)據(jù)類型之間不支持排序，所以不一定能對列排序。

na_position: 在按指定列進(jìn)行排序時，如果此列數(shù)據(jù)中有空值(NaN)，空值默認(rèn)排在最后面，na_position參數(shù)默認(rèn)為 last ，將na_position參數(shù)設(shè)置成 first 則空值排在最前面。na_position參數(shù)只支持按單列排序時使用，在按多重索引或按多列排序時無效。

sort_values()中，axis參數(shù)、ascending參數(shù)、inplace參數(shù)、kind參數(shù)、ignore_index參數(shù)的功能與sort_index()中一樣，不再贅述。

4. 按多個列進(jìn)行排序

給by參數(shù)傳入多個列索引值時(用列表的方式)，即可以對多個列進(jìn)行排序。當(dāng)?shù)谝涣兄杏邢嗟鹊臄?shù)據(jù)時，依次按后面的列進(jìn)行排序。ascending參數(shù)的用法與按多重索引排序一樣。

三、Series排序操作

1. 按行索引進(jìn)行排序

sort_index(): 對Series按行索引排序。

Series是一維數(shù)據(jù)，只有一列，不存在對列索引排序的情況，所以axis參數(shù)的值只能為0，不能設(shè)置成1，否則會報錯。

多重索引的排序與DataFrame一樣，不過，多重索引一般用于多維數(shù)據(jù)中，Series數(shù)據(jù)的行索引一般不會是多重索引。

對Series排序時，level參數(shù)、ascending參數(shù)、inplace參數(shù)、kind參數(shù)、na_position參數(shù)、sort_remaining參數(shù)、ignore_index參數(shù)的功能與DataFrame排序時一樣。

2. 按列進(jìn)行排序

sort_values(): 對Series按列排序。

Series只有一列數(shù)據(jù)，所以按列排序時，不需要指定列，沒有by參數(shù)，也不可以設(shè)置axis參數(shù)為1，否則會報錯。當(dāng)然也不存在基于多列排序的情況。

ascending參數(shù)、inplace參數(shù)、kind參數(shù)、na_position參數(shù)、ignore_index參數(shù)的功能與DataFrame排序時一樣。

四、排序方法總結(jié)

不管是對DataFrame排序還是對Series排序，方法名都一樣，sort_index()和sort_values()。

對DataFrame排序可以對行排序(按行索引或按列)，也可以對列排序(按列索引或按行)，不過，對列排序會受數(shù)據(jù)類型的限制。對Series排序只能對行排序(按行索引或按列)。

axis參數(shù)用于設(shè)置對行排序還是對列排序，Series排序時只能對行排序。level參數(shù)用于設(shè)置多重索引中排序的行索引，行索引不是多重索引時沒必要使用。ascending參數(shù)用于設(shè)置升序或降序排序。inplace參數(shù)用于設(shè)置是否對原數(shù)據(jù)修改，對原數(shù)據(jù)修改時沒有返回值，不能鏈?zhǔn)秸{(diào)用。kind參數(shù)用于設(shè)置使用的排序算法，在按多重索引排序和按多個列排序時無效。na_position參數(shù)用于設(shè)置空值排在最后面或最前面，在按多重索引排序和按多個列排序時無效。如果行索引是多重索引，ignore_index參數(shù)可以設(shè)置返回結(jié)果是否忽略多重索引，行索引不是多重索引時無效。按多重索引排序時，sort_remaining參數(shù)用于設(shè)置是否繼續(xù)按level沒有指定的行索引排序，如果level指定的行索引排序升降不統(tǒng)一則無效。

以上就是Pandas中的排序操作介紹，如果需要數(shù)據(jù)和代碼，可以點(diǎn)擊關(guān)注公眾號“Python碎片”，然后在后臺回復(fù)“pandas04”關(guān)鍵字獲取本文代碼和數(shù)據(jù)。