如何根据列名或行索引对 Pandas DataFrame 进行排序？

---

许多应用程序都受益于根据列名或行索引对 Pandas DataFrame 进行排序。例如，为了展示销售额随时间的变化情况，我们可以按日期对销售数据 DataFrame 进行排序。在 Python 中，我们有一些内置函数——DataFrame()、sort_index() 和 sort_values()，可用于根据列名或行索引对 Pandas DataFrame 进行排序。

语法

以下语法在示例中使用：

DataFrame(var_name, colums= ['col1', 'col2', and so on], index= ['1', '2', and so on])

DataFrame 是 Pandas 模块的一个库，它定义了不同行和列的二维结构。

sort_index()

sort_index 用于根据索引标签对序列进行排序。此方法对 Pandas DataFrame 进行排序

升序和降序。

sort_index(axis = 1)

此 sort_index 接受名为 axis = 1 的参数，用于排序列顺序。换句话说，我们可以说 axis = 1 指定列。[示例 3]

sort_values(by=["col1","col2","col3"])

sort_value 方法通过按升序对项目或序列进行排序来定义。以上表示形式接受三个列作为参数来排序其项目或序列。

sort_values(by=["row1","row2","row2"])

以上表示形式接受三行，通过使用列表数据类型的技术对其项目或序列进行排序。

示例 1

在以下示例中，我们将通过导入名为 pandas 的模块来启动程序。将 pd 作为其对象引用。然后使用列表推导式创建员工数据并将其存储在变量 Emp 中。然后使用列和行从元组列表创建 DataFrame 对象并将其存储在变量 info 中。接下来，提及变量 info 并获取数据的表格结构。

import pandas as pd
# List of Tuples
Emp = [('Arun', 24, 'Uttrakhand', 'Tester', 'Male'),
   ('Shyam', 23, 'West Bengal', 'SDE-1', 'Male'),
   ('Raghav', 37, 'Maharastra', 'SDE-3', 'Male'),
   ('Jayanti', 29, 'Kerala', 'Customer Support','Female')]
# Dataframe object from list of tuples using column and index
info = pd.DataFrame(Emp, columns =['Name', 'Age',
   'Place', 'Designation','Gender'],
   index =[ '105', '109', '110', '104'])
# Show the dataframe
info

输出

示例 2

在以下示例中，以下代码使用下一个终端遵循代码的顺序。然后使用内置方法 sort_index()，它将按升序对行进行排序并将其存储在变量 sort_idx 中。最后，使用变量 sort_idx 根据给定的代码获取处理后的数据。

# sort the index row
sort_idx = info.sort_index()
sort_idx

输出

示例 3

在以下示例中，以下代码使用下一个终端遵循上述代码的顺序。这里我们将根据列排序实现程序。然后导入 pandas 以启动程序（不一定需要）。接下来，使用内置方法 sort_index()，它将按升序对列进行排序。然后只需编写名为 sort_col 的变量即可以另一种形式获取结果。

# sort the column
import pandas as pd
sort_col = info.sort_index(axis = 1)
sort_col

输出

示例 4

在以下示例中，通过导入名为 pandas 的模块开始程序，该模块将对象引用设置为 pd。然后使用字典数据类型设置三个列，即 X、Y 和 Z，并将其存储在变量 col 中。接下来，使用 pandas 模块的 DataFrame 并将其存储在一个名为 df 的新变量中。现在使用内置方法 sort_values 按升序对行进行排序，该方法遵循序列或项目，并将其存储在变量 sorted_df 中。然后只需编写 sorted_df 即可获得表格输出作为结果。

# Sort DataFrame rows based on multiple columns
import pandas as pd

# create the dictionary
col = {"X" : [40, 10, 60, 20], "Y":[11, 48, 92, 16], "Z":[32,1,26,5]}
df = pd.DataFrame(col)

#Mention the row for sorting
sorted_df=df.sort_values(by=["X","Y","Z"])
sorted_df

输出

示例 5

在以下示例中，通过导入名为 pandas 的模块开始程序。获取名为 pd 的对象引用，稍后将在内置方法 sort_values 中使用它。然后创建列表，该列表创建三行不同项目的行数据（即 P、Q 和 R），并将其存储在变量 list1 中。接下来，使用 pandas 模块的 DataFrame，它接受两个参数——list1（用于使用数据的先前变量名称）和 index（此参数使用内置方法列表设置所有列的值）。继续使用名为 sort_values 的内置方法，它接受以下参数：

by=['P','Q','R']：关键字 by 设置行数，即 P、Q 和 R。

axis = 1：标识列。

最后，我们借助变量 sorted_row 打印结果。

# Sort Dataframe based on multiple rows
import pandas as pd
list1 = [(5,40,3,2),(11,4,12,6),(13,91,16,5)]
df = pd.DataFrame(list1, index=list('PQR'))
sorted_row = df.sort_values(by=['P','Q','R'],axis=1)
sorted_row

输出

结论

我们讨论了使用 Pandas DataFrame 对列名或行索引进行排序的不同方法。第一个示例解释了行和列的简单表格结构，而第二个和第三个示例遵循顺序以完成数据集的有意义表示。第四个示例使用字典技术为多列创建数据，而第五个示例使用列表数据类型为多行创建数据，并生成了不同的输出作为结果。