使用 Pandas 分析和操作数据时,您可能希望按特定顺序对数据进行排序。这使得理解和可视化数据变得更加容易。
在本文中,您将学习如何使用 Pandas 的sort_values()方法对数据进行升序和降序排序。
如何对 Pandas 中的值进行排序
您可以使用该sort_values()方法对数据集中的值进行排序。默认情况下,该方法按升序对值进行排序。
在本节中,在 Windows 10 和 Windows 11 中获取帮助的 7 种方法您将了解如何使用该方法按升序和降序对数据进行排序sort_values()。
sort_values()如何使用 Pandas方法对值进行升序排序
该方法接受多个参数,如Pandas 文档sort_values()中所示。
我们将重点关注by和ascending参数。那是:
Dataframe.sort_values(by, ascending)
该by参数表示要排序的列或索引。
ascending用于指定应按哪些其他值排序。默认情况下,它设置为True。
这是一个例子:
import pandas as pd
# create a sample dataframe
data = {'cost': [50000, 30000, 70000, 60000]}
df = pd.DataFrame(data)
df
物品 |
成本 |
|
0 |
笔记本电脑 |
500 |
1个 |
监视器 |
300 |
2个 |
HDMI |
700 |
3个 |
扬声器 |
600 |
在上表中,我们有不同的项目以及每个项目的成本。如何在 Windows 11 上使用存储空间功能要使用成本升序对项目进行排序,您可以这样做:
import pandas as pd
data = {'item': ['laptop', 'monitor', 'HDMI', 'speaker'],
'cost': [500, 300, 700, 600]
}
df = pd.DataFrame(data)
sorted_data = df.sort_values(by='cost', ascending=True)
sorted_data
物品 |
成本 |
|
1个 |
监视器 |
300 |
0 |
笔记本电脑 |
500 |
3个 |
扬声器 |
600 |
2个 |
HDMI |
700 |
在上面的代码中,该sort_values()方法用于对cost列进行排序。
使用by参数,我们指定要对哪一列进行排序: by='cost'
使用ascending参数,我们设置要排序的数据的顺序:ascending=True。
请注意,该方法的默认顺序sort_values()是ascending=True。因此,如果您删除ascending参数,您仍然会按升序对值进行排序。
sort_values()如何使用 Pandas方法按降序对值进行排序
ascending您只需将参数设置为 ,即可按降序对值进行排序False。
我们将在上一节中使用相同的代码:
import pandas as pd
# create a sample dataframe
data = {'cost': [50000, 30000, 70000, 60000]}
df = pd.DataFrame(data)
df
物品 |
成本 |
|
0 |
笔记本电脑 |
500 |
1个 |
监视器 |
300 |
2个 |
HDMI |
700 |
3个 |
扬声器 |
600 |
cost以下是按降序对列进行排序的代码:
import pandas as pd
data = {'item': ['laptop', 'monitor', 'HDMI', 'speaker'],
'cost': [500, 300, 700, 600]
}
df = pd.DataFrame(data)
sorted_data = df.sort_values(by='cost', ascending=False)
sorted_data
物品 |
成本 |
|
2个 |
HDMI |
700 |
3个 |
扬声器 |
600 |
0 |
笔记本电脑 |
500 |
1个 |
监视器 |
300 |
通过将参数的值设置ascending为False,在 Windows 10 和 11 上安全清理注册表的 3 种方法我们已按成本降序对数据进行排序。
概括
在本文中,我们了解了如何使用该sort_values()方法对 Pandas 中的值进行排序。
我们看到了两个关于如何按升序或降序对 Pandas 中的数据进行排序的代码示例。
您可以使用该sort_values()方法的ascending参数按升序或降序对数据进行排序。