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dataframe和series为基本数据类型，呈现出类似excel的二维数据。
在数据处理过程中，咱们经常需要将数据按照一定的要求进行排序，以方便展示。
这里，阳哥来给大家分享下 在 Pandas 中排序的几种常用方法，主要包括sort_index和sort_values。
01 按索引排序
数据准备
文中主要使用了pandas和numpy，首先导入 Python 库，如下：
importpandasaspdimportnumpyasnpprint(f'pandasversion:{pd.__version__}')#pandasversion1.3.2
本次使用的数据如下：
data={'brand':['Python数据之道','价值前瞻','菜鸟数据之道','Python','Java'],'B':[4,6,8,12,10],'A':[10,2,5,20,16],'D':[6,18,14,6,12],'years':[4,1,1,30,30],'C':[8,12,18,8,2],}index=[9,3,4,5,2]df=pd.DataFrame(data=data,index=index)df
按行索引排序
sort_index()是 pandas 中按索引排序的函数，默认情况下，sort_index是按行索引来排序。
通过设置参数ascending可以设置升序或降序排列，默认情况下是ascending=True，为升序排列。
设置ascending=False时，为降序排列，如下：
按列的名称排序
通过设置参数axis=1可实现按列的名称排序，如下：
同样的，可以设置 参数ascending的值，如下：
关于按列的名称排序，更多的方法，可以参考下面的内容：
Pandas实用技能，将列（column）排序的几种方法
02 按数值排序
sort_values()是 pandas 中按数值排序的函数。
按单个列的值排序
sort_values()中设置单个列的列名称，可以对单个列进行排序，通过设置参数ascending可以设置升序或降序排列，如下：
按多个列的值排序
同时，sort_values()可以对多个列进行不同的排序，通过设置列明和排序方式组合来实现，如下：
设置参数ascending，years列为升序，B列为降序，如下：
选择排序算法
选择排序算法，参数 kind 默认是 'quicksort'，其他算法有 mergesort, heapsort, stable。
该参数只针对单个列时才有效。
在 numpy 的 sort文档中，对几种排序的特点进行了描述，主要是程序运行时占用的资源和运行速度有差异。
numpy 文档地址：
/doc/stable/reference/generated/numpy.sort.html#numpy.sort
示例如下：
忽略索引
在排序过程中，还可以引入ignore_index参数，来对行索引重新设置，如下：
inplace
inplace是 pandas 中常见的一个参数。
inplace = True：不创建新的对象，直接对原始对象进行修改；默认是False，即创建新的对象进行修改，原对象不变，和深复制和浅复制有些类似。
缺失值
先构造一个含缺失值的 dataframe，如下：
data={'brand':['Python数据之道','价值前瞻','菜鸟数据之道','Python','Java'],'B':[4,6,8,np.nan,12],'A':['Lemon','emma','ZW','app','John'],'D':[6,18,14,6,12],'years':[4,1,1,30,30],'C':[8,12,18,8,2],}index=[9,3,4,5,2]df1=pd.DataFrame(data=data,index=index)df1
缺失值排在最前面：
缺失值排在最后面：
key 参数
通过设置 key 参数，可以将列按照特定条件进行排序，对比下下面的排序：
源代码文件
以上就是关于 Pandas 中排序的介绍，欢迎大家来畅聊，Pandas 中有哪些实用的小技巧~~
Python数据分析，包括Pandas、Numpy等，代码地址：
/liyangbit/python_data_analysis
推荐阅读
牛逼！Python常用数据类型的基本操作（长文系列第①篇）
牛逼！Python的判断、循环和各种表达式（长文系列第②篇）
牛逼！Python函数和文件操作（长文系列第③篇）
牛逼！Python错误、异常和模块（长文系列第④篇）
