python列表根据某一列排序 python对某一列数据排序

在使用Python里的pandas库进行数据分析工作时，很多时候我们会需要对数据进行排序，这也是我们了解数据的常用做法之一。下面我们将介绍一下在Python中如何使用sort_value函数对数据进行排序。

函数及主要参数介绍：

sort_values

参数说明：

by: 可以填入字符串或者字符串组成的列表。也就是说，如果axis=0，那么by="列名"；如果axis=1，那么by="行名"。

axis: {0 or ‘index’, 1 or ‘columns’}, default 0，意思就是如果axis=0，就按照索引排序，即纵向排序；如果axis=1，则按列排序，即横向排序。默认是axis=0。

ascending: 输入布尔型，True是升序，False是降序，也可以可以是[True,False]，即第一个字段升序，第二个字段降序 。

inplace: 输入布尔型，是否用排序后的数据框替换现有的数据框（这个在之前的文章写过很多次了~）

kind: 排序的方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}，默认是使用‘quicksort’。这个参数用的比较少，大家可以试一试。

na_position : {‘first’, ‘last’}，缺失值的排序，也就说决定将缺失值放在数据的最前面还是最后面。first是排在前面，last是排在后面，默认是用last。

下面通过实例练习一下sort_value函数的用法：

首先还是创建数据表：

scores= pd.DataFrame([[87,56,85],[46,87,97],[34,65,86]],
     columns=['jack', 'rose', 'mike'])
scores

下面我们练习一下对‘rose’这一列进行降序排序：

df_sc=scores.sort_values(by='rose',ascending=False)
df_sc

再练习一下对‘mike’这一列进行升序排序：

df_sc=scores.sort_values(by='mike',ascending=True)
df_sc

对第0行进行升序排序：

scores.sort_values(by=0,axis=1,ascending=True)

最后，我们再尝试对第1行进行升序，第0行进行降序：

scores.sort_values(by=[1,0],axis=1,ascending=[True,False]

可以看到，在输出的结果中，数据表的第0列并没有完全降序，这是因为在我们的sort_values使用中，由于我们是先指定对第1行进行升序处理的，因此程序会优先帮我们执行这一条件；而后在这一条件的前提下，再帮我们执行下面的排序命令。

在对数据进行排序之后，我们往往可以借助以下函数，更进一步地观察我们的数据：

data.head：

查看数据的前五行。

data.tail：

查看数据的后五行。

data.shape ：

查看矩阵或数组的维数，或者是说数据表的结构（有几行几列）。

http://data.info：

查看数据的基本信息，如：数据类型、缺失值数量等。

---