Python| 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。
我们来讨论Dataframe.sort_values()单参数排序：
句法：

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

每个参数都有一些默认值，除了 'by' 参数。
参数：

by: Single/List of column names to sort Data Frame by. 
axis: 0 or ‘index’ for rows and 1 or ‘columns’ for Column. 
ascending: Boolean value which sorts Data frame in ascending order if True. 
inplace: Boolean value. Makes the changes in passed data frame itself if True. 
kind: String which can have three inputs(‘quicksort’, ‘mergesort’ or ‘heapsort’) of algorithm used to sort data frame. 
na_position: Takes two string input ‘last’ or ‘first’ to set position of Null values. Default is ‘last’.

返回类型：

Returns a sorted Data Frame with Same dimensions as of the function caller Data Frame.

有关代码中使用的 CSV 文件的链接，请单击此处。
示例 #1：按名称排序
在以下示例中，数据框由 csv 文件制成，数据框按玩家姓名的升序排序。
分拣前——

Python

# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# display
data

输出：

排序后——

Python

# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# sorting data frame by name
data.sort_values("Name", axis = 0, ascending = True,
                 inplace = True, na_position ='last')
 
# display
data

如图所示，索引列现在是混乱的，因为数据框是按名称排序的。
输出：

示例 #2：更改 Null 值的位置
在给定的数据中，不同的列中有许多空值，默认情况下放在最后。在此示例中，数据框根据 Salary 列进行排序，Null 值保留在顶部。

Python

# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# sorting data frame by name
data.sort_values("Salary", axis = 0, ascending = True,
                 inplace = True, na_position ='first')
 
data
# display

如输出图像所示，NaN 值位于顶部，然后是 Salary 的排序值。
输出：