- 微信
- 微博
  
  分享文章到微博
- 复制链接
  
  复制链接到剪贴板

【愚公系列】《Python网络爬虫从入门到精通》033-DataFrame的数据排序

愚公搬代码发表于 2025/05/04 13:21:30 2025/05/04

【摘要】标题详情作者简介愚公搬代码头衔华为云特约编辑，华为云云享专家，华为开发者专家，华为产品云测专家，CSDN博客专家，CSDN商业化专家，阿里云专家博主，阿里云签约作者，腾讯云优秀博主，腾讯云内容共创官，掘金优秀博主，亚马逊技领云博主，51CTO博客专家等。近期荣誉2022年度博客之星TOP2，2023年度博客之星TOP2，2022年华为云十佳博主，2023年华为云十佳博主，2024年华为云十佳...

标题	详情
作者简介	愚公搬代码
头衔	华为云特约编辑，华为云云享专家，华为开发者专家，华为产品云测专家，CSDN博客专家，CSDN商业化专家，阿里云专家博主，阿里云签约作者，腾讯云优秀博主，腾讯云内容共创官，掘金优秀博主，亚马逊技领云博主，51CTO博客专家等。
近期荣誉	2022年度博客之星TOP2，2023年度博客之星TOP2，2022年华为云十佳博主，2023年华为云十佳博主，2024年华为云十佳博主等。
博客内容	.NET、Java、Python、Go、Node、前端、IOS、Android、鸿蒙、Linux、物联网、网络安全、大数据、人工智能、U3D游戏、小程序等相关领域知识。
欢迎	👍点赞、✍评论、⭐收藏

🚀前言

在数据分析的过程中，数据的排序是一个不可或缺的环节。无论是在探索性数据分析中了解数据分布，还是在准备数据可视化时展示清晰的趋势，掌握如何对DataFrame中的数据进行有效排序都是至关重要的。Pandas库为我们提供了强大的排序功能，使得这一过程简单而高效。

本文将深入探讨DataFrame的数据排序，包括按单列或多列排序的技巧、升序和降序的设置、以及如何处理缺失值对排序结果的影响。我们将通过具体示例，帮助你快速掌握这些操作，提升数据处理的灵活性和效率。

🚀一、DataFrame的数据排序

🔎1.数据排序整理

🦋1.1 `sort_values` 方法概述

DataFrame.sort_values() 是 Pandas 中用于数据排序的核心方法，功能类似 SQL 的 ORDER BY。支持按行/列排序，语法如下：

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

🦋1.2 参数详解

参数	说明
`by`	排序依据的列名或列名列表
`axis`	排序轴：`0` 按行排序（默认），`1` 按列排序
`ascending`	排序顺序：`True` 升序（默认），`False` 降序；多列可用布尔列表指定
`inplace`	是否原地修改：`False` 返回新对象（默认），`True` 直接修改原对象
`kind`	排序算法：`quicksort`（默认）、`mergesort`、`heapsort`
`na_position`	缺失值位置：`last` 末尾（默认），`first` 开头
`ignore_index`	是否重置索引：`False` 保留原索引（默认），`True` 生成新索引（0~n-1）

🦋1.3 排序场景与实例

☀️1.3.1 单列排序

场景：按指定列（如“销量”）降序排序
代码：

import pandas as pd
excelFile = 'mrbook.xlsx'
df = pd.DataFrame(pd.read_excel(excelFile))
#设置数据显示的列数和宽度
pd.set_option('display.max_columns',500)
pd.set_option('display.width',1000)
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
print('-------------------------按照一列数据排序-------------------------')
#按“销量”列降序排序
df=df.sort_values(by='销量',ascending=False)
print(df)

在这里插入图片描述

☀️1.3.2 多列排序

场景：按多列优先级排序（如先“图书名称”降序，再“销量”降序）
代码：

import pandas as pd
excelFile = 'mrbook.xlsx'
df = pd.DataFrame(pd.read_excel(excelFile))
#设置数据显示的列数和宽度
pd.set_option('display.max_columns',500)
pd.set_option('display.width',1000)
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)

print('-------------------------按照多列数据排序-------------------------')
#按“图书名称”和“销量”列降序排序
df=df.sort_values(by=['图书名称','销量'])
print(df)

在这里插入图片描述

☀️1.3.3 统计结果排序

场景：分组统计后排序（如按“类别”分组求和，再按“销量”降序）
代码：

import pandas as pd
excelFile = 'mrbook.xlsx'
df = pd.DataFrame(pd.read_excel(excelFile))
#设置数据显示的列数和宽度
pd.set_option('display.max_columns',500)
pd.set_option('display.width',1000)
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)

print('-------------------------对分组统计结果排序-------------------------')
df1=df.groupby(["类别"])["销量"].sum().reset_index()
df2=df1.sort_values(by='销量',ascending=False)
print(df2)

在这里插入图片描述

☀️1.3.4 按行排序

场景：按指定行的值排序（如按第一行升序排列列）
代码：

import pandas as pd
excelFile = 'books.xls'
dfrow = pd.DataFrame(pd.read_excel(excelFile))
#设置数据显示的列数和宽度
pd.set_option('display.max_columns',500)
pd.set_option('display.width',1000)
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)


print('-------------------------按行数据排序-------------------------')
#按照索引值为0的行，即第一行的值升序排序
print(dfrow.sort_values(by=0,ascending=True,axis=1))

在这里插入图片描述

🦋1.4 注意事项

数据类型一致性：按行排序时，行内数据类型需一致，否则会报错。
索引处理：使用 ignore_index=True 可生成连续数字索引。
缺失值处理：通过 na_position 控制缺失值位置，避免干扰排序结果。
性能优化：大数据量时可选 kind='mergesort' 保证稳定性。

🔎2.数据排名整理

🦋2.1 `rank` 方法概述

DataFrame.rank() 用于为数据分配排名（如数值大小的顺序位置），支持多种排名规则（如并列值处理）。语法如下：

DataFrame.rank(
    axis=0, 
    method='average', 
    numeric_only=None, 
    na_option='keep', 
    ascending=True, 
    pct=False
)

🦋2.2 参数详解

参数	说明
`axis`	排名方向：`0` 按行排名（默认），`1` 按列排名
`method`	相同值的排名规则（`average`/`min`/`max`/`first`/`dense`，默认 `average`）
`numeric_only`	仅对数值列排名：`None`（默认，自动识别），`True` 强制只处理数值列
`na_option`	缺失值处理：`keep`（保留为 NaN，默认），`top`（最小排名），`bottom`（最大排名）
`ascending`	排序方向：`True` 升序（默认），`False` 降序
`pct`	返回百分比排名：`False`（默认不启用），`True` 以百分比形式显示排名

🦋2.3 排名规则与实例

☀️2.3.1 顺序排名 (`method='first'`)

规则：相同值按其在数据中的出现顺序分配唯一排名，无并列。
代码：

import pandas as pd
excelFile = 'mrbook.xlsx'
df = pd.DataFrame(pd.read_excel(excelFile))
#设置数据显示的列数和宽度
pd.set_option('display.max_columns',500)
pd.set_option('display.width',1000)
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
#按“销量”列降序排序
df=df.sort_values(by='销量',ascending=False)
# 顺序排名
df['顺序排名'] = df['销量'].rank(method="first", ascending=False)
print(df[['图书名称', '销量', '顺序排名']])

在这里插入图片描述

☀️2.3.2 平均排名 (`method='average'`)

规则：相同值分配平均排名（默认方式）。
代码：

import pandas as pd
excelFile = 'mrbook.xlsx'
df = pd.DataFrame(pd.read_excel(excelFile))
#设置数据显示的列数和宽度
pd.set_option('display.max_columns',500)
pd.set_option('display.width',1000)
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
#按“销量”列降序排序
df=df.sort_values(by='销量',ascending=False)

#平均排名
df['平均排名']=df['销量'].rank(ascending=False)
print(df[['图书名称','销量','平均排名']])

在这里插入图片描述

☀️2.3.3 最小值排名 (`method='min'`)

规则：相同值分配最低可能排名（跳跃式名次）。
代码：

import pandas as pd
excelFile = 'mrbook.xlsx'
df = pd.DataFrame(pd.read_excel(excelFile))
#设置数据显示的列数和宽度
pd.set_option('display.max_columns',500)
pd.set_option('display.width',1000)
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
#按“销量”列降序排序
df=df.sort_values(by='销量',ascending=False)

#平均排名
df['最小值排名']=df['销量'].rank(method="min",ascending=False)
print(df[['图书名称','销量','最小值排名']])

在这里插入图片描述

☀️2.3.4 最大值排名 (`method='max'`)

规则：相同值分配最高可能排名（跳跃式名次）。
代码：

import pandas as pd
excelFile = 'mrbook.xlsx'
df = pd.DataFrame(pd.read_excel(excelFile))
#设置数据显示的列数和宽度
pd.set_option('display.max_columns',500)
pd.set_option('display.width',1000)
#解决数据输出时列名不对齐的问题
pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
#按“销量”列降序排序
df=df.sort_values(by='销量',ascending=False)

df['最大值排名']=df['销量'].rank(method="max",ascending=False)
#最大值排名
print(df[['图书名称','销量','最大值排名']])

在这里插入图片描述

☀️2.3.5 密集排名 (`method='dense'`)

规则：相同值共享同一排名，后续排名不跳跃（如 1,2,2,3）。
代码：

# 密集排名（无跳跃）
df['密集排名'] = df['销量'].rank(method='dense', ascending=False)
print(df[['图书名称', '销量', '密集排名']])

【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱： cloudbbs@huaweicloud.com

点赞
收藏
关注作者

0/1000

抱歉，系统识别当前为高风险访问，暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称，即可参与社区互动！

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

确认取消

加入云驻计划，成为创作者

华为云周边好礼
免费体验产品
特殊身份标识
线下官方门票
内部专家零距离
与10000+优质创作者共同成长

立即加入

【愚公系列】《Python网络爬虫从入门到精通》033-DataFrame的数据排序

🚀前言

🚀一、DataFrame的数据排序

🔎1.数据排序整理

🦋1.1 `sort_values` 方法概述

🦋1.2 参数详解

🦋1.3 排序场景与实例

☀️1.3.1 单列排序

☀️1.3.2 多列排序

☀️1.3.3 统计结果排序

☀️1.3.4 按行排序

🦋1.4 注意事项

🔎2.数据排名整理

🦋2.1 `rank` 方法概述

🦋2.2 参数详解

🦋2.3 排名规则与实例

☀️2.3.1 顺序排名 (`method='first'`)

☀️2.3.2 平均排名 (`method='average'`)

☀️2.3.3 最小值排名 (`method='min'`)

☀️2.3.4 最大值排名 (`method='max'`)

☀️2.3.5 密集排名 (`method='dense'`)

全部回复

设置昵称

关于作者

目录

加入云驻计划，成为创作者

【愚公系列】《Python网络爬虫从入门到精通》033-DataFrame的数据排序

🚀前言

🚀一、DataFrame的数据排序

🔎1.数据排序整理

🦋1.1 sort_values 方法概述

🦋1.2 参数详解

🦋1.3 排序场景与实例

☀️1.3.1 单列排序

☀️1.3.2 多列排序

☀️1.3.3 统计结果排序

☀️1.3.4 按行排序

🦋1.4 注意事项

🔎2.数据排名整理

🦋2.1 rank 方法概述

🦋2.2 参数详解

🦋2.3 排名规则与实例

☀️2.3.1 顺序排名 (method='first')

☀️2.3.2 平均排名 (method='average')

☀️2.3.3 最小值排名 (method='min')

☀️2.3.4 最大值排名 (method='max')

☀️2.3.5 密集排名 (method='dense')

全部回复

设置昵称

关于作者

目录

加入云驻计划，成为创作者

推荐阅读

相关产品

🦋1.1 `sort_values` 方法概述

🦋2.1 `rank` 方法概述

☀️2.3.1 顺序排名 (`method='first'`)

☀️2.3.2 平均排名 (`method='average'`)

☀️2.3.3 最小值排名 (`method='min'`)

☀️2.3.4 最大值排名 (`method='max'`)

☀️2.3.5 密集排名 (`method='dense'`)