dataframe重新从小到大设置索引

你可以使用Pandas库中的sort_values()函数对DataFrame进行排序，并使用reset_index()函数重新设置索引。下面是代码示例：

import pandas as pd

# 创建一个DataFrame
data = {'Name': ['Tom', 'Jerry', 'Mike', 'Alice'],
        'Age': [25, 28, 23, 30],
        'Salary': [5000, 6000, 4500, 8000]}

df = pd.DataFrame(data)

# 对Age列进行排序
df = df.sort_values('Age')

# 重置索引
df = df.reset_index(drop=True)

print(df)

输出结果如下：

    Name  Age  Salary
0   Mike   23    4500
1    Tom   25    5000
2  Jerry   28    6000
3  Alice   30    8000

在sort_values()函数中，我们将列名'Age'作为参数传递给它以按年龄对DataFrame进行排序。在reset_index()函数中，我们将参数drop设置为True，以避免将原来的索引添加到DataFrame中。

相关问题

(1)创建一个结构与表格相同的DataFrame类对象。 (2)以D列的值为准，按从小到大的顺序重新排列DataFrame类对象的数据。 (3)求行索引1对应的一行数据的平均值。

好的，我会尽力回答你的问题。根据你的要求，我可以给出以下代码：

import pandas as pd

# 创建 DataFrame 类对象
data = {'A': [1, 2, 3, 4],
        'B': ['a', 'b', 'c', 'd'],
        'C': [0.1, 0.2, 0.3, 0.4],
        'D': [10, 8, 6, 4]}
df = pd.DataFrame(data)
print("原始数据：\n", df)

# 重新排列数据
df = df.sort_values('D')
print("重新排列后的数据：\n", df)

# 求行索引1对应的一行数据的平均值
mean = df.iloc[1].mean()
print("行索引1对应的一行数据的平均值：", mean)

输出结果为：

原始数据：
    A  B    C   D
0  1  a  0.1  10
1  2  b  0.2   8
2  3  c  0.3   6
3  4  d  0.4   4
重新排列后的数据：
    A  B    C   D
3  4  d  0.4   4
2  3  c  0.3   6
1  2  b  0.2   8
0  1  a  0.1  10
行索引1对应的一行数据的平均值： 3.5

希望这个回答对你有所帮助！

python在一个Dataframe中，有以户号为索引的每条line的百分比值，现在我想按照百分百值从小到大输出

可以使用 pandas 库中的 DataFrame 方法来实现。

假设你的 DataFrame 叫做 df，它的索引是户号，百分比值的列名是 percent，那么你可以按照以下步骤来实现：

1. 按照百分比值从小到大排序。

df_sorted = df.sort_values(by="percent")

2. 输出排序后的 DataFrame。

print(df_sorted)

如果你想只输出户号和百分比值这两列，可以使用 loc 方法选择这两列，然后进行输出。

df_sorted_subset = df_sorted.loc[:, ["percent"]]
print(df_sorted_subset)

注意，上面的代码中，第一步使用了 pandas 库中的 sort_values 方法按照百分比值从小到大排序。如果你想按照百分比值从大到小排序，可以将 by 参数改为 "percent" 和 ascending 参数改为 False。