pandas怎么實現(xiàn)按照多列排序ascending

本篇內(nèi)容主要講解“pandas怎么實現(xiàn)按照多列排序ascending”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學(xué)習(xí)“pandas怎么實現(xiàn)按照多列排序ascending”吧!

pandas按照多列排序ascending

代碼示例：

import pandas as pd
 
#讀取文件
df = pd.read_csv('./TianQi.csv')
#字符串替換和類型轉(zhuǎn)換
df['最高溫度'] = df['最高溫度'].str.replace('℃','').astype('int32')
df.loc[:,'最低溫度'] = df['最低溫度'].str.replace('℃','').astype('int32')
#排序并獲取最高溫度前5名
print(df.sort_values(by='最高溫度',ascending=False).head())
'''
打?。?
            日期  最高溫度  最低溫度      天氣   風(fēng)向  風(fēng)級 空氣質(zhì)量
184   2019/7/4    38    25    晴~多云  西南風(fēng)  2級    良
206  2019/7/26    37    27       晴  西南風(fēng)  2級    良
142  2019/5/23    37    21       晴  東南風(fēng)  2級    良
183   2019/7/3    36    24       晴  東南風(fēng)  1級    良
204  2019/7/24    36    27  多云~雷陣雨  西南風(fēng)  2級    良
'''
 
#按照多列排序
print(df.sort_values(by=['最高溫度','最低溫度'],ascending= True).head(10))
'''
打?。?
             日期  最高溫度  最低溫度     天氣   風(fēng)向  風(fēng)級 空氣質(zhì)量
363  2019/12/30    -5   -12      晴  西北風(fēng)  4級    優(yōu)
364  2019/12/31    -3   -10      晴  西北風(fēng)  1級    優(yōu)
42    2019/2/12    -3    -8  小雪~多云  東北風(fēng)  2級    優(yōu)
44    2019/2/14    -3    -6  小雪~多云  東南風(fēng)  2級    良
14    2019/1/15    -2   -10      晴  西北風(fēng)  3級    良
37     2019/2/7    -2    -7     多云  東北風(fēng)  3級    優(yōu)
38     2019/2/8    -1    -7     多云  西南風(fēng)  2級    優(yōu)
4      2019/1/5     0    -8     多云  東北風(fēng)  2級    優(yōu)
39     2019/2/9     0    -8     多云  東北風(fēng)  2級    優(yōu)
40    2019/2/10     0    -8     多云  東南風(fēng)  1級    優(yōu)
'''
print(df.sort_values(by=['最高溫度','最低溫度'],ascending= False).head(10))
'''
打印：
           日期  最高溫度  最低溫度      天氣   風(fēng)向  風(fēng)級  空氣質(zhì)量
184   2019/7/4    38    25    晴~多云  西南風(fēng)  2級     良
206  2019/7/26    37    27       晴  西南風(fēng)  2級     良
142  2019/5/23    37    21       晴  東南風(fēng)  2級     良
201  2019/7/21    36    27    晴~多云  西南風(fēng)  2級  輕度污染
204  2019/7/24    36    27  多云~雷陣雨  西南風(fēng)  2級     良
207  2019/7/27    36    27      多云  東南風(fēng)  2級  輕度污染
174  2019/6/24    36    24      多云  東南風(fēng)  2級     良
175  2019/6/25    36    24      多云  東南風(fēng)  2級     良
183   2019/7/3    36    24       晴  東南風(fēng)  1級     良
170  2019/6/20    36    23    多云~晴  東南風(fēng)  2級  輕度污染
'''
print(df.sort_values(by=['最高溫度','最低溫度'],ascending= [True,False]).head(10))
'''
打?。?
             日期  最高溫度  最低溫度     天氣   風(fēng)向  風(fēng)級 空氣質(zhì)量
363  2019/12/30    -5   -12      晴  西北風(fēng)  4級    優(yōu)
44    2019/2/14    -3    -6  小雪~多云  東南風(fēng)  2級    良
42    2019/2/12    -3    -8  小雪~多云  東北風(fēng)  2級    優(yōu)
364  2019/12/31    -3   -10      晴  西北風(fēng)  1級    優(yōu)
37     2019/2/7    -2    -7     多云  東北風(fēng)  3級    優(yōu)
14    2019/1/15    -2   -10      晴  西北風(fēng)  3級    良
38     2019/2/8    -1    -7     多云  西南風(fēng)  2級    優(yōu)
4      2019/1/5     0    -8     多云  東北風(fēng)  2級    優(yōu)
39     2019/2/9     0    -8     多云  東北風(fēng)  2級    優(yōu)
40    2019/2/10     0    -8     多云  東南風(fēng)  1級    優(yōu)
'''

pandas排序、排名函數(shù)的使用

排序

Series

s.sort_index(ascending=False)

對series的索引進行排序，默認升序

s.sort_values(ascending=False)

對series的值進行排序，對值進行排序的時候，無論是升序還是降序，缺失值（NaN）都會排在最后面

DataFrame：

dt.sort_index(ascending=False)#按列索引進行降序排序
dt.sort_inex(axis=1)#按行的索引進行排序
dt.sort_values(by='columns_name')#按指定列的值進行排序
dt.sort_values(by='row_name', axis=1)#按指定行的值進行排序

使用by參數(shù)進行某幾列（行）排序的時候，以列表中的第一個為準(zhǔn)，可能后面的不會生效，因為有的時候無法做到既對第一行（列）進行升序排序又對第二行（列）進行排序。

在指定行值進行排序的時候，必須設(shè)置axis=1，不然會報錯，因為默認指定的是列索引，找不到這個索引所以報錯，axis=1的意思是指定行索引。
 

排名

Series

s.rank(method=‘first')

對series的值進行升序排名，輸出為排名，當(dāng)排名相同時，輸出平均排名，method=‘first’排名相同時按照值在數(shù)組中出現(xiàn)的順序排序

method參數(shù)除了,first按值在原始數(shù)據(jù)中的出現(xiàn)順序分配排名，還有min使用整個分組的最小排名，max是用整個分組的最大排名，average使用平均排名，也是默認的排名方式。還可以設(shè)置ascending參數(shù)，設(shè)置降序還是升序排序。

DataFrame：

dt.rank()#按列進行排名 
dt.rank(axis=1)#按行進行排名

method與ascending參數(shù)的使用與Series的相同

到此，相信大家對“pandas怎么實現(xiàn)按照多列排序ascending”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進入相關(guān)頻道進行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！