1.数据排序
DataFrame.sort_values(by,axis=0,ascending=True,inplace=False,kind="quicksort",na_position="last",ignore_index=False)
"""
by:要排序的名称列表
axis:轴，0表示行，1表示列
ascending：升序或者降序排列,默认是True，升序
inplace:是否直接在数据上修改，True为直接修改df,False为副本
kind:指定排序算法，
na_position：空值(NaN)的位置，值为first空值在数据开头，值为last空值在数据最后。
ignore_index:布尔值，是否忽略索引，值为True标记索引（从0开始顺序的整数值），False则忽略索引
"""
2.按某列降序排序
import pandas as pd
exelFile="C:\\Users\\Administrator\\Desktop\\python数据分析Code\\Code\\03\\46\\mrbook.xlsx"
df=pd.DataFrame(pd.read_excel(exelFile))
pd.set_option('display.max_rows',1000)#设置展示最高行数
pd.set_option('display.max_columns',1000)#设置展示最高列数
pd.set_option('display.unicode.east_asian_width',True)
pd.set_option("display.unicode.ambiguous_as_wide",True)
#按“销量”列降序排序
df1=df.sort_values(by="销量",ascending=False)
print(df1)
结果如图所示：
3.按多列升降序排列
#先按照图书名称降序排列，再按照销量降序排列
df2=df.sort_values(by=["图书名称","销量"])
4.对统计结构排序
将类别分组并统计总销量降序排列。
df3=df.groupby(["类别"])["销量"].sum().reset_index()
df4=df3.sort_values(by="销量",ascending=False)
print(df4)
结构如下：
5.数据排名
DataFrame.rank(axis-0,method="average",numeric_only=None,na_option="keep",ascending=True,,pct=False)
"""
axis:轴，0表示行，1表示列
method:表示在相同值的情况下所使用的排序方法，参数如下：average:默认值，平均值排名；min:最小值排名；max:最大值排名；first：按第一次出现的顺序排列；dense:密集排序，类似于最小值排序，，但排名每次只增加1，相同排名的数据只只占据一个名词。
numeric_only:对于DataFrame，如果设置值为True,并只对数字列进行排序。
ascending：升序或者降序排列，默认值为True
pct：布尔值，是否以百分比形式返回排名，默认值为False
"""
实例：
对销量相同的产品，按照顺序排名的平均值进行平均排名
#先排序
df=df.sort_values(by="销量",ascending=False)
#按照顺序排名的平均值进行平均排名
df["顺序排名"]=df["销量"].rank(ascending=False)
这里两个数销量相同，分别为3和4名，取平均值为3.5
对销量相同的产品，按照在原表中出现的顺序进行排名
#先排序
df=df.sort_values(by="销量",ascending=False)
df["顺序排名"]=df["销量"].rank(method="first",ascending=False)
结果如下：很正常的结果
对销量相同的产品，按照顺序排名并取最小值最为排名
#先排序
df=df.sort_values(by="销量",ascending=False)
df["顺序排名"]=df["销量"].rank(method="min",ascending=False)
排名如下：相同数量的都按照最小排名填写
对销量相同的产品，按照顺序排名并取最大值最为排名
#先排序
df=df.sort_values(by="销量",ascending=False)
df["顺序排名"]=df["销量"].rank(method="max",ascending=False)
排名如下：相同数量的都按照最大排名填写
以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程网。
