邢台做wap网站价格网站备案号格式说明书
锋哥原创的Pandas2 Python数据处理与分析 视频教程：
2025版 Pandas2 Python数据处理与分析 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili
Pandas 2提供了多种灵活的数据排序方法，主要针对 DataFrame 和 Series 对象。
1. 按值排序：sort_values()
这是最常用的排序方法，根据指定列或行的值进行排序。
具体语法：
DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, na_position='last')参数说明：
-
by：要排序的列名（或行索引），可以是单个字符串或列表（多列排序）。 -
axis：排序方向，0表示按列排序（默认），1表示按行排序。 -
ascending：排序顺序，True为升序，False为降序（多列时可传入列表指定每列顺序）。 -
inplace：是否直接修改原对象，False时返回新对象（默认）。 -
na_position：缺失值的位置，'last'（默认）或'first'。
参考示例：
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 22, 28],'Score': [85, 95, 75, 88]
}
df = pd.DataFrame(data)# 单列升序排序
df_sorted = df.sort_values(by='Age')# 多列排序：先按 Score 降序，再按 Age 升序
df_sorted = df.sort_values(by=['Score', 'Age'], ascending=[False, True])
2. 按索引排序：sort_index()
根据索引（行或列标签）进行排序，常用于时间序列或需要恢复原始顺序的场景。
基本语法：
DataFrame.sort_index(axis=0, ascending=True, inplace=False)参数说明：
-
axis：0表示按行索引排序（默认），1表示按列索引排序。 -
ascending：排序顺序，True为升序，False为降序（多列时可传入列表指定每列顺序）。 -
inplace：是否直接修改原对象，False时返回新对象（默认）。
示例：
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 22, 28],'Score': [85, 95, 75, 88]
}
df = pd.DataFrame(data)# 按行索引降序排序
df_sorted_index = df.sort_index(ascending=False)# 按列索引升序排序
df_sorted_columns = df.sort_index(axis=1)
3. 处理缺失值 (na_position)
在 sort_values 中，可以通过 na_position 控制缺失值的位置：
import pandas as pd
df_with_nan = pd.DataFrame({'A': [2, None, 1]})
df_sorted = df_with_nan.sort_values(by='A', na_position='first') # NaN 排在最前
4. 重置索引
排序后索引可能会混乱，可使用 reset_index() 重置：
import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 22, 28],'Score': [85, 95, 75, 88]
}
df = pd.DataFrame(data)
df_sorted = df.sort_values(by='Age').reset_index(drop=True)-
drop=True会丢弃旧索引，生成新索引。
