Pandas的基本功能（六）

排序与排名

根据实际需求对数据集（Series、DataFrame）进行排序是一种重要的运算，Pandas中的sort_index()函数可根据行索引或列索引按照字典顺序进行排序或排名，可分为对Series对象排序和对DataFrame对象排序。

对Series对象排序

对Series对象排序可分为按索引排序和按值排序两种，接下来详细讲解两种排序的实现。

按索引排序

具体示例如下所示：

In [55]: import numpy as np
In [56]: from pandas import Series
In [57]: se = Series([1,2,3,4,5],index = ['b','a','d','e','c'])
In [58]: se1 = se.sort_index()
In [59]: se2 = se.sort_index(ascending = False)

上述代码是对Series对象按索引进行排序，其中In [58]是对Series对象按索引排序，使用默认排序方式（升序），并将排序后的结果赋值给变量se1；In [59]是对Series对象按索引进行降序排序，并将排序后的结果赋值给变量se2。各变量的运行结果如下所示：

In [60]: se
Out[60]:
b 1
a 2
d 3
e 4
c 5
dtype: int64
In [61]: se1
Out[61]:
a 2
b 1
c 5
d 3
e 4
dtype: int64
In [62]: se2
Out[62]:
e 4
d 3
c 5
b 1
a 2
dtype: int64

从上述运行结果可看出，使用sort_index()函数可对Series对象进行索引排序，并可指定排序方式，默认排序方式为升序排序，将sort_index()函数的ascending参数设置为False，则将排序方式设置为降序排序。

按值排序

具体示例如下所示：

In [63]: import numpy as np
In [64]: from pandas import Series
In [65]: se = Series([6,4,7,9,np.nan],index = ['b','a','d','e','c'])
In [66]: se1 = se.sort_values()
In [67]: se2 = se.sort_values(ascending = False)

上述代码是对Series对象按值进行排序，其中In [66]是对Series对象按值排序，使用默认排序方式（升序），并将排序后的结果赋值给变量se1；In [67]是对Series对象按索引进行降序排序，并将排序后的结果赋值给变量se2。各变量的运行结果如下所示：

In [68]: se
Out[68]:
b 6.0
a 4.0
d    7.0
e 9.0
c NaN
dtype: float64
In [69]: se1
Out[69]:
a 4.0
b 6.0
d 7.0
e 9.0
c NaN
dtype: float64
In [70]: se2
Out[70]:
e 9.0
d 7.0
b 6.0
a 4.0
c NaN
dtype: float64

从上述运行结果可看出，使用sort_values()函数可对Series对象进行值排序，并可指定排序方式，默认排序方式为升序排序，将sort_values()函数的ascending参数设置为False，则将排序方式设置为了降序排序。

注意：对值进行排序时，无论是升序排序还是降序排序，缺失值（NaN）都将排在最后面。

对DataFrame对象排序

同样地，对DataFrame对象排序也可分为按索引排序和按值排序两种，接下来详细讲解两种排序的实现。

按索引排序

具体示例如下所示：

In [1]: import numpy as np
In [2]: from pandas import Series,DataFrame
In [3]: f = DataFrame(np.arange(9).reshape(3,3),index = ['3','1','2'],
 ...: columns = ['b','c','a'])
In [4]: f1 = f.sort_index()
In [5]: f2 = f.sort_index(ascending = False)
In [6]: f3 = f.sort_index(axis = 1)
In [7]: f4 = f.sort_index(ascending = False,axis = 1)

上述代码是对DataFrame对象按索引进行排序，其中In [4]是对DataFrame对象按行索引排序，使用默认排序方式（升序），并将排序后的结果赋值给变量f1；In [5]是对DataFrame对象按行索引进行降序排序，并将排序后的结果赋值给变量f2；In [6]是对DataFrame对象按列索引排序，使用默认排序方式（升序），并将排序后的结果赋值给变量f3；In [7]是对DataFrame对象按列索引进行降序排序，并将排序后的结果赋值给变量f4。各变量的运行结果如下所示：

In [8]: f
Out[8]:
 b c a
3 0 1 2
1 3 4 5
2 6 7 8
In [9]: f1
Out[9]:
 b c a
1 3 4 5
2 6 7 8
3 0 1 2
In [10]: f2
Out[10]:
 b c a
3 0 1 2
2 6 7 8
1 3 4 5
In [11]: f3
Out[11]:
 a b c
3 2 0 1
1 5 3 4
2 8 6 7
In [12]: f4
Out[12]:
 c b a
3 1 0 2
1 4 3 5
2 7 6 8

从上述运行结果可看出，使用sort_index()函数可对DataFrame对象进行行或列索引排序，还可指定排序方式，默认排序方式为升序排序，将sort_index()函数的ascending参数设置为False，则将排序方式设置为了降序排序。

按值排序

具体示例如下所示：

In [13]: from pandas import DataFrame
In [14]: f = DataFrame([[5,2,1],[6,9,2],[5,3,6]],index = ['3','1','2'],
 ...: columns = ['b','a','c'])
In [15]: f1 = f.sort_values(by = 'a')
In [16]: f2 = f.sort_values(by = ['b','a'])
In [17]: f3 = f.sort_values(by = '3',axis = 1)
In [18]: f4 = f.sort_values(by = 'a',ascending = False)

上述代码是对DataFrame对象按值进行排序，其中In [15]是对DataFrame对象根据列索引为“a”的值排序，即根据一个列的值排序，使用默认排序方式（升序），并将排序后的结果赋值给变量f1；In [16]是对DataFrame对象根据列索引为“b”和“a”的值排序，即根据多个列的值排序，使用默认排序方式（升序），并将排序后的结果赋值给变量f2；In [17]是按指定行值进行排序，同样使用默认排序方式（升序），并将排序后的结果赋值给变量f3；In [18]是对In [15]进行降序排序，并将排序后的结果赋值给变量f4。各变量的运行结果如下所示：

In [19]: f
Out[19]:
 b a c
3 5 2 1
1 6 9 2
2 5 3 6
In [20]: f1
Out[20]:
 b a c
3 5 2 1
2 5 3 6
1 6 9 2
In [21]: f2
Out[21]:
 b a c
3 5 2 1
2 5 3 6
1 6 9 2
In [22]: f3
Out[22]:
 c a b
3 1 2 5
1 2 9 6
2 6 3 5
In [23]: f4
Out[23]:
 b a c
1 6 9 2
2 5 3 6
3 5 2 1

从上述运行结果可看出，使用sort_values()函数可对DataFrame对象进行值排序，并可指定排序方式，默认排序方式为升序排序，将sort_values()函数的ascending参数设置为False，则将排序方式设置为了降序排序。

注意：对DataFrame对象进行排序时，必须使用by参数指定某行（列）或某几行（列），否则会报错；在对指定行值进行排序时，必须将axis参数设置为1，否则会报错。

排名（ranking）与排序关系密切，它会增设一个排名值（从1开始，一直到数组中的有效数据的数量），排名与numpy.argsort产生的间接排序索引类似，只是它还可以通过某种规则破坏平级关系。Series和DataFrame对象主要是通过rank()函数实现排名，默认情况下，rank()函数通过“为各组分配平均排名”来破坏平级关系。接下来详细介绍Series和DataFrame对象的rank()函数。

1. Series对象的rank()函数
具体示例如下所示：

In [8]: from pandas import Series,DataFrame
In [9]: se = Series([2,4,1,5,2],index = ['b','c','a','e','d'])
In [10]: se1 = se.rank()
In [11]: se2 = se.rank(method = 'first')
In [12]: se3 = se.rank(ascending = False,method = 'first')

上述代码是使用rank()函数对Series对象进行排名，其中In [10]是对Series对象进行排名，使用默认排名方式（升序），并将排名后的结果赋值给变量se1；In [11]是按照按值在原始数据中的出现顺序分配排名，同样使用默认排名方式（升序），并将排名后的结果赋值给变量se2；In [12]是将In[11]按降序排名，并将排名后的结果赋值给变量se3。各变量的运行结果如下所示：

In [13]: se
Out[13]:
b 2
c 4
a 1
e 5
d 2
dtype: int64
In [14]: se1
Out[14]:
b 2.5
c 4.0
a 1.0
e 5.0
d 2.5
dtype: float64
In [15]: se2
Out[15]:
b 2.0
c 4.0
a 1.0
e 5.0
d 3.0
dtype: float64
In [16]: se3
Out[16]:
b 3.0
c 2.0
a 5.0
e 1.0
d 4.0
dtype: float64

从上述运行结果可看出，se1中索引“b”和“d”内容都是“2”，由于排名是根据值的大小进行平均排名，两个“2”的排名分别是2和3，因此，平均排名为2.5；se2是根据值在数组中出现的顺序进行排名，因此，两个“2”的排名分别是2.0和3.0；se3是对se2的降序排名，因此，两个“2”的排名分别是3.0和4.0。

上述示例的rank()函数使用了method选项“first”，method选项可以指定rank()函数排名的方式，主要是用于破坏平级关系，具体如表4.7所示。

method	说明
average	默认：在相等分组中，为各值分配平均排名
min	使用整个分组的最小排名
max	使用整个分组的最大排名
first	按值在原始数据中的出现顺序分配排名

2.DataFrame对象的rank()函数
具体示例如下所示：

In [35]: from pandas import Series,DataFrame
In [36]: f = DataFrame([[6,2,3],[2,5,8],[7,1,2]],index = ['3','1','2'],
 ...: columns = ['c','a','b'])
In [37]: f1 = f.rank()
In [38]: f2 = f.rank(axis = 1)

上述代码是使用rank()函数对DataFrame对象进行排名，其中In [37]是对DataFrame对象按列进行排名，使用默认排名方式（升序），并将排名后的结果赋值给变量f1；In [38]是对DataFrame对象按行进行排名，使用默认排名方式（升序），并将排名后的结果赋值给变量f2。各变量的运行结果如下所示：

In [39]: f
Out[39]:
 c a b
3 6 2 3
1 2 5 8
2 7 1 2
In [40]: f1
Out[40]:
 c a b
3 2.0 2.0 2.0
1 1.0 3.0 3.0
2 3.0 1.0 1.0
In [41]: f2
Out[41]:
 c a b
3 3.0 1.0 2.0
1 1.0 2.0 3.0
2 3.0 1.0 2.0

从上述运行结果可看出，DataFrame对象的rank()函数可按照行或列进行排名。DataFrame对象的method选项和ascending属性的设置与Series对象相同。