约定：
import pandas as pd
import numpy as np
1
2
排序和排名
根据条件对Series对象或DataFrame对象的值排序（sorting）和排名(ranking)是一种重要的内置运算。
接下来为大家介绍如何使用pandas对象的：sort_index() / sort_values() / rank() 方法。
一、对Series排序
对Series对象排序是最常用的，可以根据Series对象的索引、值排序。
根据索引排序
se1=pd.Series(np.arange(10,13),index=[1,3,2])
se1.sort_index()
1
2
代码结果：
1 10
2 12
3 11
dtype: int32
1
2
3
4
还能对字符索引排序
se2=pd.Series(np.arange(0,3),index=['c','d','a'])
se2.sort_index()
1
2
代码结果：
a 2
c 0
d 1
dtype: int32
按降序排序
se2.sort_index(ascending=False)
1
代码结果：
d 1
c 0
a 2
dtype: int32
按值排序
se3=pd.Series([3,-5,7])
se3.sort_values()
代码结果：
1 -5
0 3
2 7
dtype: int64
NaN值会放在Series末尾
se4=pd.Series([3,np.nan,-7,np.nan,5])
se4.sort_values()
代码结果：
2 -7.0
0 3.0
4 5.0
1 NaN
3 NaN
dtype: float64
二、对DataFrame排序
通过axis参数可以对任意轴排序
df1=pd.DataFrame(np.arange(9).reshape(3,3),index=list("bac"),columns=list("yzx"))
df1
1
2
代码结果：
y z x
b 0 1 2
a 3 4 5
c 6 7 8
df1.sort_index()
1
代码结果：
y z x
a 3 4 5
b 0 1 2
c 6 7 8
df1.sort_index(axis=1)
1
代码结果：
x y z
b 2 0 1
a 5 3 4
c 8 6 7
根据一个列的值来排序
df2=pd.DataFrame({'a':[20,3,3],'b':[1,-6,18]})
df2.sort_values(by='b')
1
2
代码结果：
a b
1 3 -6
0 20 1
2 3 18
对多个列来排序
df2.sort_values(by=['a','b'])
1
代码结果：
a b
1 3 -6
2 3 18
0 20 1
三、排名
排名是根据Series对象或DataFrame的某几列的值进行排名，.rank(method=，ascending=,…)返回对值的排名。但需要十分注意如何处理出现相同的值。
平均排名
为相同的值分配一个平均排名
se5=pd.Series([2,3,7,5,3,7])
se5.rank()
1
2
代码结果：
0 1.0
1 2.5
2 5.5
3 4.0
4 2.5
5 5.5
dtype: float64
顺序排名
对于相同的值按照出现的顺序排名
se5.rank(method="first")
1
代码结果：
0 1.0
1 2.0
2 5.0
3 4.0
4 3.0
5 6.0
dtype: float64
最小值排名
对于相同的值都取小的排名
se5.rank(method="min",ascending=False)
1
代码结果：
0 6.0
1 4.0
2 1.0
3 3.0
4 4.0
5 1.0
dtype: float64
最大值排名
对于相同的值都取大的排名
se5.rank(method="max",ascending=False)
1
代码结果：
0 6.0
1 5.0
2 2.0
3 3.0
4 5.0
5 2.0
dtype: float64
降序排名
se5.rank(method="first",ascending=False)
1
代码结果：
0 6.0
1 4.0
2 1.0
3 3.0
4 5.0
5 2.0
dtype: float64