Python| Pandas Dataframe.sort_values() |第 2 组

先决条件：Pandas DataFrame.sort_values() |第一组

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。

Pandas sort_values()函数按传递的列的升序或降序对数据框进行排序。它与 sorted Python函数不同，因为它无法对数据框进行排序并且无法选择特定列。

让我们讨论Dataframe.sort_values()多参数排序：

句法：

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind=’quicksort’, na_position=’last’)

有关代码中使用的 CSV 文件的链接，请单击此处。

示例 #1：按名称和团队排序
在以下示例中，数据框由 csv 文件组成，数据框按团队的升序排序，并且在每个团队中，名称也按升序排序。

排序前——

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team and then By names
data.sort_values(["Team", "Name"], axis=0,
                 ascending=True, inplace=True)
  
#display
data

输出：
排序后——

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team and then By names
data.sort_values(["Team", "Name"], axis=0,
                 ascending=True, inplace=True)
  
#display
data

如图所示，团队首先按升序排序，然后每个团队名称的名称按升序排序。

示例 #2：将列表传递给升序参数

如上例所示，通过将列表传递给“by”参数，可以针对多列对数据框进行排序。我们还可以将列表传递给 'ascending' 参数，以告诉 pandas 对哪一列进行排序。
'ascending' 参数中的布尔索引应与 'by' 参数中的列名索引相同。

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team and then By names
data.sort_values(["Team", "Name"], axis=0,
                 ascending=[True,False], inplace=True)
  
#display
data

如下图所示，数据框按团队名称升序排序，对于每个团队名称，名称按降序排序。

示例 #3：使用 3 列进行排序

在以下示例中，相同的数据框按团队名称排序。对于每个团队，数据框按年龄排序，对于每个相同年龄，数据框按身高排序。这个例子将解释多参数排序如何在 Data Frame 中工作。

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team, age and height
data.sort_values(["Team", "Age", "Height"], axis=0,
                 ascending=[False,True,False],
inplace=True)
  
#display
data

如图所示，首先对团队名称进行排序，然后对年龄进行排序，对于每个年龄，对身高进行排序。在“华盛顿奇才”队中，有 3 名年龄为 30 岁的球员。这 3 人按身高升序排列。