Pandas按索引列排序

Pandas 是一个数据处理库，提供了许多用于数据处理的工具。其中一个重要的工具是排序。在数据分析中，经常需要按特定的列排序，以获得更好的分析结果，或者在表格显示中按照特定的列进行排序。

在 Pandas 中，我们可以使用 sort_values() 方法按照列名或列索引进行排序。本篇文章将介绍如何按索引列进行排序。

按单个索引列排序

使用 sort_values() 方法按照单个索引列（即单个列名或单个列索引）进行排序。例如：

import pandas as pd

# 创建数据集
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 20, 30, 35],
        'gender': ['F', 'M', 'M', 'M']}
df = pd.DataFrame(data)

# 按照 age 列排序
df_sorted = df.sort_values('age')
print(df_sorted)

输出结果为：

      name  age gender
1      Bob   20      M
0    Alice   25      F
2  Charlie   30      M
3    David   35      M

在上面的例子中，我们按照 age 列进行了升序排序。

如果要进行降序排序，可以在 sort_values() 方法中加入参数 ascending=False：

# 按照 age 列降序排序
df_sorted = df.sort_values('age', ascending=False)
print(df_sorted)

输出结果为：

      name  age gender
3    David   35      M
2  Charlie   30      M
0    Alice   25      F
1      Bob   20      M

在上面的例子中，我们按照 age 列进行了降序排序。

按多个索引列排序

有时候，我们需要按照多个索引列进行排序。可以使用 sort_values() 方法，并传递一个列表作为参数，列表中的元素即为要按照的列名或列索引。例如：

# 按照 age 和 gender 列排序
df_sorted = df.sort_values(['age', 'gender'])
print(df_sorted)

输出结果为：

      name  age gender
1      Bob   20      M
0    Alice   25      F
2  Charlie   30      M
3    David   35      M

在上面的例子中，我们按照 age 和 gender 列进行了升序排序。

如果要先按照 age 列升序排序，再按照 gender 列降序排序，可以这样做：

# 按照 age 升序和 gender 降序排序
df_sorted = df.sort_values(['age', 'gender'], ascending=[True, False])
print(df_sorted)

输出结果为：

      name  age gender
1      Bob   20      M
0    Alice   25      F
2  Charlie   30      M
3    David   35      M

在上面的例子中，我们按照 age 列进行了升序排序，然后按照 gender 列进行了降序排序。

结论

在 Pandas 中，我们可以使用 sort_values() 方法按照单个索引列或多个索引列进行排序。在 sort_values() 方法中，可以指定升序或降序排序，并可以对每个要排序的列分别指定升序或降序排序。