Pandas详解十二之排序和排名 - 好文

约定： import pandas as pd import numpy as np
排序和排名

根据条件对Series对象或DataFrame对象的值排序（sorting）和排名(ranking)是一种重要的内置运算。
接下来为大家介绍如何使用pandas对象的：sort_index() / sort_values() / rank() 方法。

一、对Series排序

对Series对象排序是最常用的，可以根据Series对象的索引、值排序。

* 根据索引排序 se1=pd.Series(np.arange(10,13),index=[1,3,2]) se1.sort_index()
代码结果：
1 10 2 12 3 11 dtype: int32
* 还能对字符索引排序 se2=pd.Series(np.arange(0,3),index=['c','d','a']) se2.sort_index()
代码结果：
a 2 c 0 d 1 dtype: int32
* 按降序排序 se2.sort_index(ascending=False)
代码结果：
d 1 c 0 a 2 dtype: int32
* 按值排序 se3=pd.Series([3,-5,7]) se3.sort_values()
代码结果：
1 -5 0 3 2 7 dtype: int64
* NaN值会放在Series末尾 se4=pd.Series([3,np.nan,-7,np.nan,5]) se4.sort_values()
代码结果：
2 -7.0 0 3.0 4 5.0 1 NaN 3 NaN dtype: float64
二、对DataFrame排序

* 通过axis参数可以对任意轴排序 df1=pd.DataFrame(np.arange(9).reshape(3,3),index=list("bac"
),columns=list("yzx")) df1 代码结果：
y z x
b 0 1 2
a 3 4 5
c 6 7 8 df1.sort_index() 代码结果：
y z x
a 3 4 5
b 0 1 2
c 6 7 8 df1.sort_index(axis=1) 代码结果：
x y z
b 2 0 1
a 5 3 4
c 8 6 7
* 根据一个列的值来排序 df2=pd.DataFrame({'a':[20,3,3],'b':[1,-6,18]})
df2.sort_values(by='b') 代码结果：
a b
1 3 -6
0 20 1
2 3 18
* 对多个列来排序 df2.sort_values(by=['a','b']) 代码结果：
a b
1 3 -6
2 3 18
0 20 1
三、排名

排名是根据Series对象或DataFrame的某几列的值进行排名，.rank(method=，ascending=,…)返回对值的排名。但需要十分注意如何处理出现相同的值。

* 平均排名
为相同的值分配一个平均排名
se5=pd.Series([2,3,7,5,3,7]) se5.rank()
代码结果：
0 1.0 1 2.5 2 5.5 3 4.0 4 2.5 5 5.5 dtype: float64
* 顺序排名
对于相同的值按照出现的顺序排名
se5.rank(method="first")
代码结果：
0 1.0 1 2.0 2 5.0 3 4.0 4 3.0 5 6.0 dtype: float64
* 最小值排名
对于相同的值都取小的排名
se5.rank(method="min",ascending=False)
代码结果：
0 6.0 1 4.0 2 1.0 3 3.0 4 4.0 5 1.0 dtype: float64
* 最大值排名
对于相同的值都取大的排名
se5.rank(method="max",ascending=False)
代码结果：
0 6.0 1 5.0 2 2.0 3 3.0 4 5.0 5 2.0 dtype: float64
* 降序排名 se5.rank(method="first",ascending=False)
代码结果：
0 6.0 1 4.0 2 1.0 3 3.0 4 5.0 5 2.0 dtype: float64
谢谢大家的浏览，
希望我的努力能帮助到您，
共勉！

热门工具换一换