Pandas sort_index()函数的详细指南

Pandas是一个Python库，主要用于数据分析。Pandas使导入、清理、探索、操作和分析数据变得更加容易。在本教程中，我们将学习Pandas中的sort_index() 函数。

---

sort_index()函数的语法

DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, ignore_index=False, key=None)

参数	说明	可能的值	默认值
轴	按照你想排序的轴进行排序。	0 / 'index', 1 / 'columns'.	0
级别	参考数据框架要排序的级别。如果不是无，则按指定的索引级别的值排序。	int或级别名称或ints列表或级别名称列表	递增
升序	按升序或降序排序。	bool或bools的列表：'True', 'False'。	为真
取代	修改现有的数据框架或创建一个新的数据框架。	bool: 'True', 'False'.	假的
类型	要应用的排序算法的种类。	'quiksort', 'mergesort', 'heapsort', 'stable' 。	quicksort
na_position	放置NaN的位置。	'第一', '最后'.	最后一个
sort_remaining	指定在按指定级别排序后，数据框是否要按其他级别进行排序。	bool: 'True', 'False'.	真实
忽略索引	如果是True，产生的轴将被标记为0, 1, ..., n - 1。	bool: 'True', 'False'（假）。	假的
关键	指定数据框架是否要根据某个自定义键进行排序	任何由用户定义的自定义键	命名

**返回。**一个被排序的对象，即数据框架。如果inplace=True ，原始数据框架本身被排序，否则用户必须指定一个新的数据框架来存储结果。如果没有指定新的数据框架，并且inplace=False ，那么将返回None。

这个函数对数字和非数字的索引值都有效。

---

创建一个数据框架

在我们跳到这里的例子之前，让我们首先创建一个数据框架。这将有助于我们在一个数据框架上工作，并理解Python sort_index()函数的实现：

import pandas as pd 
import numpy as np

data = {
    'Emp_Name' : ["Anna", "Jeremy", "Dennis", "Courtney", 
                            "Bob", "Ronald"],
    'Dept' : ["Operations", "Technology", "Design", "Administration",
                 "Operations", "Technology"],
    'YOE' : [12, 5, 6, 20, 8, 4]
}

Emp_Id = [4, 3, 6, 7, 1, 2]
emp_data = pd.DataFrame(data, index=Emp_Id)
emp_data

输出。

用于排序索引例子的数据框架

这是一个用于存储公司员工信息的数据框架。它包括员工的名字 （Emp_Name），他们工作的部门**（Dept）和他们的工作年限（YOE）。这些数据是在上述代码中指定的雇员ID（Emp_Id）**的基础上排列的。

---

实例

让我们直接进入实例，了解sort_index()函数是如何实现的，以及它是如何工作的。

1.按照索引的升序排序

# by default, axis=0 so sorting is done by row
emp_data2 = emp_data.sort_index()

emp_data2

输出

以升序排列索引

在上面的例子中，我们创建了一个名为**'emp_data2'的新数据框架，并根据索引即'Emp_Id'以升序**排序。结果，我们得到了图中所示的上述数据框架。

---

2.按照索引的降序排序

# by default, axis=0 so sorting is done by row
emp_data2.sort_index(ascending=False, inplace=True)

emp_data2

输出

以降序排序索引

在这里，我们通过在代码中指定ascending=False ，对数据框架进行降序排序。正如指定的那样，inplace=True ，并且由于我们没有给函数分配任何新的数据框架，emp_data2 被**"原地**"排序了。

---

3.根据列的标签以升序进行排序

# axis=1 implies sort by column
emp_data3 = emp_data.sort_index(axis=1)

emp_data3

输出

根据列的索引以升序排序

在这种情况下，我们有一个名为**"emp_data3 "的数据框架，其中的列标以升序排序，也就是按词典顺序排序。列标 "Emp_Name"、"Dept "和 "YOE "的词法顺序是"Dept"、"Emp_Name "和 "YOE"，**因此这些列现在是按照这个顺序排列的。

同样地，我们可以通过写emp_data.sort_index(axis=1, ascending=False) ，以降序的方式对数据框进行排序。这将导致下面的数据框架。

按柱子降序排列索引

---

4.使用na_position参数对NaN进行定位

让我们考虑一下之前的雇员数据框架的一个小修改版本，如下所示：

import pandas as pd 
import numpy as np

data = {
    'Emp_Name' : ["Anna", "Jeremy", "Dennis", "Courtney", 
                            "Bob", "Ronald"],
    'Dept' : ["Operations", "Technology", "Design", "Administration", 
                  "Operations", "Technology"],
    'YOE' : [12, 5, 6, 20, 8, 4]
}

Emp_Id = [4, np.nan, 6, np.nan, 1, 2]
emp_df = pd.DataFrame(data, index=Emp_Id)
emp_df

带有NaN的数据框架

上述数据框架的索引（即Emp_Id）中有一些NaN值。让我们看看如何定位这些值。

a.首先定位NaNs

emp_df2 = emp_df.sort_index(na_position='first')

emp_df2

输出

将NaN值放在首位

在这里，数据帧根据其索引即Emp_Id进行排序，NaN值被放在结果数据帧中的第一位 。

b.将NaN值放在最后

emp_df3 = emp_df.sort_index(na_position='last')

emp_df3

输出

将NaN值放在最后

在这个例子中，数据框架根据其索引（即Emp_Id）进行排序，NaN值被放在结果数据框架中的最后 。

---

总结

本教程到此结束!我们已经学习了Pandas的sort_index()函数。你可以通过关注我们的教程来了解更多关于Pandas的知识。

---