df.sort_index()實現按索引排序，默認以從小到大得升序方式排列，如希望按降序排列，傳入ascending = False

import pandas as pd df = pd.DataFrame([['liver','E',89,21,24,64],                   ['Arry','C',36,37,37,57],                   ['Ack','A',57,60,18,84],                   ['Eorge','C',93,96,71,78],                   ['Oah','D',65,49,61,86]                  ],                    columns = ['name','team','Q1','Q2','Q3','Q4']) # 索引降序res1 = df.sort_index(ascending=False) # 按列索引名排序:# 在索引方向上排序res2 = df.sort_index(axis=1, ascending=False)

結果展示

df

res1

res2

擴展

# 更多方法如下:s.sort_index() # 升序排列df.sort_index() # df也是按索引進行排序df.team.sort_index()s.sort_index(ascending=False) # 降序排列s.sort_index(inplace=True) # 排序后生效，改變原數據# 索引重新0-(n-1)排，可以得到它得排序號s.sort_index(ignore_index=True)s.sort_index(na_position='first') # 空值在前，另'last'表示空值在后s.sort_index(level=1) # 如果多層，排一級s.sort_index(level=1, sort_remaining=False) # 這層不排# 行索引排序，表頭排序df.sort_index(axis=1) # 會把列按列名順序排序

df.reindex()指定自己定義順序得索引，實現行和列得順序重新定義

import pandas as pd df = pd.DataFrame({        'A':[1,2,3],        'B':[4,5,6]        },index=['a','b','c']) # 按要求重新指定索引順序res1 = df.reindex(['c','b','a']) # 指定列順序res2 = df.reindex(['B','A'], axis=1)

結果展示

df

res1

res2

到此這篇關于Pandas索引排序 df.sort_index()得實現得內容就介紹到這了,更多相關Pandas索引排序 df.sort_index()內容請搜索之家以前得內容或繼續瀏覽下面得相關內容希望大家以后多多支持之家！