将使用.sort_values排序后的df的index重新排序

可以使用`df.sort_values().index`来获取排序后的索引，并将其赋值给原始数据框的索引，实现重新排序。代码示例如下：

import pandas as pd

# 创建一个示例数据框
df = pd.DataFrame({'A': [3, 2, 1], 'B': [6, 5, 4]})

# 按照列'A'进行降序排序
df = df.sort_values('A', ascending=False)

# 获取排序后的索引
new_index = df.index

# 将原始数据框的索引重新排序
df = df.reindex(new_index)

print(df)

运行结果如下：

   A  B
0  3  6
1  2  5
2  1  4

相关问题

将使用.sort_values排序后的df的索引重新排序

可以使用`reset_index`方法来重新排序索引，例如：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 30, 35, 40],
    'score': [80, 70, 90, 85]
})

# 按照分数降序排序
df = df.sort_values(by='score', ascending=False)

# 重新排序索引
df = df.reset_index(drop=True)
print(df)

输出结果为：

      name  age  score
0  Charlie   35     90
1    David   40     85
2    Alice   25     80
3      Bob   30     70

其中，`reset_index`方法的`drop`参数表示是否将原来的索引删除，默认为False。这里我们设置为True，即删除原来的索引。重新排序后，索引就变成了0、1、2、3。

df.sort_values函数如何自定义排序顺序

`df.sort_values()`是Pandas库中用于对DataFrame数据框按照一列或多列的值进行排序的一个重要函数。如果你想自定义排序顺序，你可以提供以下参数：

1. `by`参数：这是必需的，它接受一个或多个列名作为序列，表示你想要排序的列。如果你想按降序排列，可以将列名放在列表或Series里，并添加关键字参数`ascending=False`。

例如：

df_sorted = df.sort_values(by=['column_name_1', 'column_name_2'], ascending=[True, False])

这里，`column_name_1`升序排列，`column_name_2`降序排列。

2. `key`参数：如果你需要使用列内的某个元素，而不是整个行，可以通过传递一个lambda函数或者Series来指定排序的关键。

3. `inplace`参数：默认为False，如果设为True，则会直接改变原DataFrame，而不是返回一个新的排序后的DataFrame。

4. `ignore_index`参数：默认False，如果设为True，将会重置排序后的索引，从0开始计数。

注意，对于复杂的排序需求，比如先按某一列排序，再按另一列的特定区间排序，你可能需要组合使用这些参数或编写更复杂的自定义函数。