鋒哥原創的Pandas2?Python數據處理與分析 視頻教程：??

2025版 Pandas2 Python數據處理與分析 視頻教程(無廢話版) 玩命更新中~_嗶哩嗶哩_bilibili

Pandas 2提供了多種靈活的數據排序方法，主要針對 DataFrame 和 Series 對象。

1. 按值排序：sort_values()

這是最常用的排序方法，根據指定列或行的值進行排序。

具體語法：

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, na_position='last')

參數說明：

• by：要排序的列名（或行索引），可以是單個字符串或列表（多列排序）。

• axis：排序方向，0 表示按列排序（默認），1 表示按行排序。

• ascending：排序順序，True 為升序，False 為降序（多列時可傳入列表指定每列順序）。

• inplace：是否直接修改原對象，False 時返回新對象（默認）。

• na_position：缺失值的位置，'last'（默認）或 'first'。

參考示例：

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 22, 28],'Score': [85, 95, 75, 88]
}
df = pd.DataFrame(data)# 單列升序排序
df_sorted = df.sort_values(by='Age')# 多列排序：先按 Score 降序，再按 Age 升序
df_sorted = df.sort_values(by=['Score', 'Age'], ascending=[False, True])

2. 按索引排序：sort_index()

根據索引（行或列標簽）進行排序，常用于時間序列或需要恢復原始順序的場景。

基本語法：

DataFrame.sort_index(axis=0, ascending=True, inplace=False)

參數說明：

• axis：0 表示按行索引排序（默認），1 表示按列索引排序。

• ascending：排序順序，True 為升序，False 為降序（多列時可傳入列表指定每列順序）。

• inplace：是否直接修改原對象，False 時返回新對象（默認）。

示例：

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 22, 28],'Score': [85, 95, 75, 88]
}
df = pd.DataFrame(data)# 按行索引降序排序
df_sorted_index = df.sort_index(ascending=False)# 按列索引升序排序
df_sorted_columns = df.sort_index(axis=1)

3. 處理缺失值 (na_position)

在 sort_values 中，可以通過 na_position 控制缺失值的位置：

import pandas as pd
df_with_nan = pd.DataFrame({'A': [2, None, 1]})
df_sorted = df_with_nan.sort_values(by='A', na_position='first')  # NaN 排在最前

4. 重置索引

排序后索引可能會混亂，可使用 reset_index() 重置：

import pandas as pddata = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],'Age': [25, 30, 22, 28],'Score': [85, 95, 75, 88]
}
df = pd.DataFrame(data)
df_sorted = df.sort_values(by='Age').reset_index(drop=True)

• drop=True 會丟棄舊索引，生成新索引。