目录

pandas按照多列排序ascending

代码示例：

import pandas as pd
 
#读取文件
df = pd.read_csv("./TianQi.csv")
#字符串替换和类型转换
df["最高温度"] = df["最高温度"].str.replace("℃","").astype("int32")
df.loc[:,"最低温度"] = df["最低温度"].str.replace("℃","").astype("int32")
#排序并获取最高温度前5名
print(df.sort_values(by="最高温度",ascending=False).head())
"""
打印：
            日期  最高温度  最低温度      天气   风向  风级 空气质量
184   2019/7/4    38    25    晴~多云  西南风  2级    良
206  2019/7/26    37    27       晴  西南风  2级    良
142  2019/5/23    37    21       晴  东南风  2级    良
183   2019/7/3    36    24       晴  东南风  1级    良
204  2019/7/24    36    27  多云~雷阵雨  西南风  2级    良
"""
 
#按照多列排序
print(df.sort_values(by=["最高温度","最低温度"],ascending= True).head(10))
"""
打印：
             日期  最高温度  最低温度     天气   风向  风级 空气质量
363  2019/12/30    -5   -12      晴  西北风  4级    优
364  2019/12/31    -3   -10      晴  西北风  1级    优
42    2019/2/12    -3    -8  小雪~多云  东北风  2级    优
44    2019/2/14    -3    -6  小雪~多云  东南风  2级    良
14    2019/1/15    -2   -10      晴  西北风  3级    良
37     2019/2/7    -2    -7     多云  东北风  3级    优
38     2019/2/8    -1    -7     多云  西南风  2级    优
4      2019/1/5     0    -8     多云  东北风  2级    优
39     2019/2/9     0    -8     多云  东北风  2级    优
40    2019/2/10     0    -8     多云  东南风  1级    优
"""
print(df.sort_values(by=["最高温度","最低温度"],ascending= False).head(10))
"""
打印：
           日期  最高温度  最低温度      天气   风向  风级  空气质量
184   2019/7/4    38    25    晴~多云  西南风  2级     良
206  2019/7/26    37    27       晴  西南风  2级     良
142  2019/5/23    37    21       晴  东南风  2级     良
201  2019/7/21    36    27    晴~多云  西南风  2级  轻度污染
204  2019/7/24    36    27  多云~雷阵雨  西南风  2级     良
207  2019/7/27    36    27      多云  东南风  2级  轻度污染
174  2019/6/24    36    24      多云  东南风  2级     良
175  2019/6/25    36    24      多云  东南风  2级     良
183   2019/7/3    36    24       晴  东南风  1级     良
170  2019/6/20    36    23    多云~晴  东南风  2级  轻度污染
"""
print(df.sort_values(by=["最高温度","最低温度"],ascending= [True,False]).head(10))
"""
打印：
             日期  最高温度  最低温度     天气   风向  风级 空气质量
363  2019/12/30    -5   -12      晴  西北风  4级    优
44    2019/2/14    -3    -6  小雪~多云  东南风  2级    良
42    2019/2/12    -3    -8  小雪~多云  东北风  2级    优
364  2019/12/31    -3   -10      晴  西北风  1级    优
37     2019/2/7    -2    -7     多云  东北风  3级    优
14    2019/1/15    -2   -10      晴  西北风  3级    良
38     2019/2/8    -1    -7     多云  西南风  2级    优
4      2019/1/5     0    -8     多云  东北风  2级    优
39     2019/2/9     0    -8     多云  东北风  2级    优
40    2019/2/10     0    -8     多云  东南风  1级    优
"""

pandas排序、排名函数的使用

排序

Series

s.sort_index(ascending=False)

对series的索引进行排序，默认升序

s.sort_values(ascending=False)

对series的值进行排序，对值进行排序的时候，无论是升序还是降序，缺失值（NaN）都会排在最后面

DataFrame：

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

使用by参数进行某几列（行）排序的时候，以列表中的第一个为准，可能后面的不会生效，因为有的时候无法做到既对第一行（列）进行升序排序又对第二行（列）进行排序。

在指定行值进行排序的时候，必须设置axis=1，不然会报错，因为默认指定的是列索引，找不到这个索引所以报错，axis=1的意思是指定行索引。

排名

Series

s.rank(method=‘first")

对series的值进行升序排名，输出为排名，当排名相同时，输出平均排名，method=‘first’排名相同时按照值在数组中出现的顺序排序

method参数除了,first按值在原始数据中的出现顺序分配排名，还有min使用整个分组的最小排名，max是用整个分组的最大排名，average使用平均排名，也是默认的排名方式。还可以设置ascending参数，设置降序还是升序排序。

DataFrame：

dt.rank()#按列进行排名 
dt.rank(axis=1)#按行进行排名

method与ascending参数的使用与Series的相同

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

关键词： 最高温度 最低温度 空气质量 升序排序