pandas列值排序

Pandas中的列值排序有多种方法可供选择。其中一种方法是使用DataFrame的sort_values()函数。你可以通过指定要排序的列名以及升序或降序来对列进行排序。例如，使用以下代码可以按升序对列进行排序：

df.sort_values('列名', ascending=True)

如果你想按降序对列进行排序，则可以将ascending参数设置为False：

df.sort_values('列名', ascending=False)

另一种方法是使用numpy库中的argsort()函数。你可以使用以下代码将列按升序排序：

df.iloc[:, np.argsort(df.columns)]

如果你想按降序排序，则可以对结果使用[::-1]进行逆序操作：

df.iloc[:, np.argsort(df.columns)[::-1]]

相关问题

pandas按照值排序

你可以使用`sort_values()`函数来按照值对Pandas DataFrame或Series进行排序。下面是一个示例：

import pandas as pd

# 创建一个示例DataFrame
data = {'col1': [3, 1, 2],
        'col2': ['b', 'a', 'c']}
df = pd.DataFrame(data)

# 按照'col1'列的值进行排序
sorted_df = df.sort_values('col1')

print(sorted_df)

这将输出按照'col1'列的值排序后的DataFrame：

   col1 col2
1     1    a
2     2    c
0     3    b

如果你想按照多个列的值进行排序，可以传递一个列表给`sort_values()`函数，其中包含你想要按顺序排序的列名。例如：

sorted_df = df.sort_values(['col1', 'col2'])

这将首先按照'col1'列的值排序，然后再按照'col2'列的值排序。

pandas 按某列值排序后，新增一列排名

在pandas中，你可以通过`sort_values()`对数据框按照指定列进行排序，然后利用`rank()`函数为每个行添加一个新的排名列。以下是如何操作的一个简单步骤：

import pandas as pd

# 假设df是一个数据框，你想要按'score'列排序
df = pd.DataFrame({
   'Name': ['Tom', 'Nick', 'John', 'Tom', 'John'],
   'score': [80, 90, 75, 85, 95],
})

# 首先按'score'列降序排序
sorted_df = df.sort_values(by='score', ascending=False)

# 然后计算排名，method参数可以选择'average'（平均排名），'min'（最小计数排名），默认为'first'（第一个计数排名）
sorted_df['Rank'] = sorted_df.groupby('score').ngroup() + 1

print(sorted_df)

这将输出一个新的数据框，其中原有的'score'列保持不变，并且添加了一个新的'Rank'列，表示每个记录在得分相同的情况下按照排序顺序给出的排名。