排序操作

小象实战讲义 · Python数据分析实战

在数据分析中，排序是一项基础且重要的数据整理操作。通过排序，我们可以清晰地观察数据在某一列或某一行上的分布趋势，快速找到最大值、最小值，或者按照特定逻辑（如地区、时间）组织数据。本节将学习在 Pandas 中如何按索引和按值对 DataFrame 进行排序，包括单列排序和多列排序。

💡 核心导读

• 按索引排序：使用 sort_index() 方法，可指定按行索引或列索引排序，以及升序或降序。
• 按值排序：使用 sort_values() 方法，核心参数是 by（指定排序列）和 ascending（指定排序方向）。
• 单列与多列排序：by 参数可以接收单个列名或多个列名组成的列表，实现分组排序。
• 排序方向控制：ascending 参数可以是一个布尔值（控制所有列）或一个布尔值列表（为每列指定不同方向）。

按索引排序：sort_index()

索引（Index）是 Pandas 数据结构的标签。当索引本身具有业务含义（如国家名、排名、日期）时，我们可以直接对索引进行排序。

sort_index() 方法用于按索引排序。对于 DataFrame，索引有两个方向：行索引（axis=0，默认）和列索引（axis=1）。ascending 参数控制排序方向，True 为升序（默认），False 为降序。

按行索引排序

我们首先构造一个模拟的“世界幸福指数”数据集进行演示。

import pandas as pd

# 构造模拟数据集：国家、地区、幸福指数得分
data = {
    'Country': ['Denmark', 'Switzerland', 'Iceland', 'Norway', 'Finland',
                'Canada', 'Netherlands', 'New Zealand', 'Australia', 'Sweden'],
    'Region': ['Western Europe', 'Western Europe', 'Western Europe', 'Western Europe', 'Western Europe',
               'North America', 'Western Europe', 'Australia and New Zealand', 'Australia and New Zealand', 'Western Europe'],
    'Happiness Score': [7.526, 7.509, 7.501, 7.498, 7.413,
                        7.404, 7.339, 7.334, 7.313, 7.291]
}
# 使用一个从1开始的整数序列作为行索引，模拟“幸福排名”
df = pd.DataFrame(data, index=pd.Index([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], name='Happiness Rank'))
print("原始数据：")
print(df)

原始数据：
                    Country                     Region  Happiness Score
Happiness Rank
1                   Denmark             Western Europe            7.526
2               Switzerland             Western Europe            7.509
3                   Iceland             Western Europe            7.501
4                    Norway             Western Europe            7.498
5                   Finland             Western Europe            7.413
6                    Canada              North America            7.404
7               Netherlands             Western Europe            7.339
8               New Zealand  Australia and New Zealand            7.334
9                 Australia  Australia and New Zealand            7.313
10                   Sweden             Western Europe            7.291

默认情况下，sort_index() 按行索引升序排列。如果我们想查看排名最低（即最不幸福）的国家，可以按行索引降序排列。

import pandas as pd

# 重新构造数据，确保自包含
data = {
    'Country': ['Denmark', 'Switzerland', 'Iceland', 'Norway', 'Finland',
                'Canada', 'Netherlands', 'New Zealand', 'Australia', 'Sweden'],
    'Region': ['Western Europe', 'Western Europe', 'Western Europe', 'Western Europe', 'Western Europe',
               'North America', 'Western Europe', 'Australia and New Zealand', 'Australia and New Zealand', 'Western Europe'],
    'Happiness Score': [7.526, 7.509, 7.501, 7.498, 7.413,
                        7.404, 7.339, 7.334, 7.313, 7.291]
}
df = pd.DataFrame(data, index=pd.Index([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], name='Happiness Rank'))

# 按行索引降序排列，查看排名靠后的国家
df_sorted_index_desc = df.sort_index(ascending=False)
print("按行索引降序排列（前5行）：")
print(df_sorted_index_desc.head())

按行索引降序排列（前5行）：
                    Country                     Region  Happiness Score
Happiness Rank
10                   Sweden             Western Europe            7.291
9                 Australia  Australia and New Zealand            7.313
8               New Zealand  Australia and New Zealand            7.334
7               Netherlands             Western Europe            7.339
6                    Canada              North America            7.404

按列索引排序

通过设置 axis=1，sort_index() 会对列名（即列索引）进行排序。这对于整理列的顺序非常有用，特别是当列名是字符串时，会按照字母顺序排列。

import pandas as pd

# 重新构造数据，确保自包含
data = {
    'Country': ['Denmark', 'Switzerland'],
    'Region': ['Western Europe', 'Western Europe'],
    'Happiness Score': [7.526, 7.509]
}
df = pd.DataFrame(data, index=[1, 2])

# 按列名（列索引）升序排列
df_sorted_columns = df.sort_index(axis=1)
print("按列名升序排列：")
print(df_sorted_columns.head())

按列名升序排列：
       Country  Happiness Score          Region
1      Denmark            7.526  Western Europe
2  Switzerland            7.509  Western Europe

原始列顺序是 ['Country', 'Region', 'Happiness Score']。按字母顺序排序后，顺序变为 ['Country', 'Happiness Score', 'Region']，因为 ‘C’ < ‘H’ < ‘R’。若设置 ascending=False，则顺序会反过来。

按值排序：sort_values()

更多时候，我们需要根据数据列（值）的内容进行排序，例如按分数高低、按字母顺序等。这时需要使用 sort_values() 方法。

单列排序

sort_values() 的核心参数是 by，用于指定依据哪一列的值进行排序。

import pandas as pd

# 重新构造数据，确保自包含
data = {
    'Country': ['Sweden', 'Denmark', 'Norway', 'Finland', 'Iceland'],
    'Region': ['Western Europe', 'Western Europe', 'Western Europe', 'Western Europe', 'Western Europe'],
    'Happiness Score': [7.291, 7.526, 7.498, 7.413, 7.501]
}
df = pd.DataFrame(data)

# 按'Country'列升序排序（字符串按字母顺序）
df_sorted_by_country = df.sort_values(by='Country')
print("按'Country'列升序排序：")
print(df_sorted_by_country)

按'Country'列升序排序：
   Country          Region  Happiness Score
1  Denmark  Western Europe            7.526
3  Finland  Western Europe            7.413
4  Iceland  Western Europe            7.501
2   Norway  Western Europe            7.498
0   Sweden  Western Europe            7.291

如果按数值列排序，例如按幸福指数得分降序排列，可以快速找出最幸福的国家。

import pandas as pd

# 重新构造数据，确保自包含
data = {
    'Country': ['Sweden', 'Denmark', 'Norway', 'Finland', 'Iceland'],
    'Region': ['Western Europe', 'Western Europe', 'Western Europe', 'Western Europe', 'Western Europe'],
    'Happiness Score': [7.291, 7.526, 7.498, 7.413, 7.501]
}
df = pd.DataFrame(data)

# 按'Happiness Score'列降序排序，查看最幸福的国家
df_sorted_by_score_desc = df.sort_values(by='Happiness Score', ascending=False)
print("按'Happiness Score'列降序排序（查看最幸福的国家）：")
print(df_sorted_by_score_desc)

按'Happiness Score'列降序排序（查看最幸福的国家）：
   Country          Region  Happiness Score
1  Denmark  Western Europe            7.526
4  Iceland  Western Europe            7.501
2   Norway  Western Europe            7.498
3  Finland  Western Europe            7.413
0   Sweden  Western Europe            7.291

多列排序

在实际分析中，我们经常需要先按一个维度分组，再在组内按另一个维度排序。例如，先按地区（Region）排序，然后在同一地区内按国家（Country）排序。这可以通过在 by 参数中传入一个列名列表来实现。

ascending 参数也可以对应地传入一个布尔值列表，为每一列指定排序方向。

import pandas as pd

# 重新构造包含多个地区的数据，确保自包含
data = {
    'Country': ['Australia', 'New Zealand', 'Albania', 'Armenia', 'Austria', 'Belgium'],
    'Region': ['Australia and New Zealand', 'Australia and New Zealand',
               'Central and Eastern Europe', 'Central and Eastern Europe',
               'Western Europe', 'Western Europe'],
    'Happiness Score': [7.313, 7.334, 4.959, 4.350, 7.200, 6.937]
}
df = pd.DataFrame(data)

# 多列排序：先Region升序，再Country升序
df_sorted_multi = df.sort_values(by=['Region', 'Country'])
print("多列排序：先按Region升序，再按Country升序：")
print(df_sorted_multi)

多列排序：先按Region升序，再按Country升序：
       Country                      Region  Happiness Score
0    Australia   Australia and New Zealand            7.313
1  New Zealand   Australia and New Zealand            7.334
2      Albania  Central and Eastern Europe            4.959
3      Armenia  Central and Eastern Europe            4.350
4      Austria              Western Europe            7.200
5      Belgium              Western Europe            6.937

排序逻辑是：首先整个 DataFrame 按照 Region 列的字母顺序升序排列（‘Australia and New Zealand’ 在 ‘Central and Eastern Europe’ 之前，后者又在 ‘Western Europe’ 之前）。然后，在同一个 Region 分组内，再按照 Country 列的字母顺序升序排列（在 ‘Australia and New Zealand’ 组内，‘Australia’ 在 ‘New Zealand’ 之前）。

我们还可以为不同的列指定不同的排序方向。

import pandas as pd

# 重新构造包含多个地区的数据，确保自包含
data = {
    'Country': ['Australia', 'New Zealand', 'Albania', 'Armenia', 'Austria', 'Belgium'],
    'Region': ['Australia and New Zealand', 'Australia and New Zealand',
               'Central and Eastern Europe', 'Central and Eastern Europe',
               'Western Europe', 'Western Europe'],
    'Happiness Score': [7.313, 7.334, 4.959, 4.350, 7.200, 6.937]
}
df = pd.DataFrame(data)

# 多列排序：Region升序，Country降序
df_sorted_multi_diff = df.sort_values(by=['Region', 'Country'], ascending=[True, False])
print("多列排序：Region升序，Country降序：")
print(df_sorted_multi_diff)

多列排序：Region升序，Country降序：
       Country                      Region  Happiness Score
1  New Zealand   Australia and New Zealand            7.334
0    Australia   Australia and New Zealand            7.313
3      Armenia  Central and Eastern Europe            4.350
2      Albania  Central and Eastern Europe            4.959
5      Belgium              Western Europe            6.937
4      Austria              Western Europe            7.200

此时，Region 仍然是升序排列。但在每个 Region 分组内部，Country 是按字母顺序降序排列的。例如在 ‘Australia and New Zealand’ 组内，‘New Zealand’（N）排在 ‘Australia’（A）之前。

📝 动手练一练

1. 概念辨析：sort_index(axis=1) 和 sort_values(by='Country') 分别对数据的哪个部分进行排序？它们产生的效果有何本质区别？

2. 动手实算：使用下面提供的小数据集，编写代码实现：先按 'Department' 升序排列，再在同一个部门内按 'Salary' 降序排列。观察排序结果是否符合“组内按工资高低排名”的预期。

import pandas as pd
data_ex = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    'Department': ['HR', 'Engineering', 'HR', 'Engineering', 'Marketing'],
    'Salary': [50000, 80000, 55000, 75000, 60000]
}
df_ex = pd.DataFrame(data_ex)
# 请在此处编写你的排序代码

import pandas as pd
data_ex = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    'Department': ['HR', 'Engineering', 'HR', 'Engineering', 'Marketing'],
    'Salary': [50000, 80000, 55000, 75000, 60000]
}
df_ex = pd.DataFrame(data_ex)

# 多列排序：Department升序，Salary降序
result = df_ex.sort_values(by=['Department', 'Salary'], ascending=[True, False])
print(result)

      Name   Department  Salary
1      Bob  Engineering   80000
3    David  Engineering   75000
2  Charlie           HR   55000
0    Alice           HR   50000
4      Eva    Marketing   60000

本章小结

本节我们系统学习了 Pandas 中的两种排序操作：按索引排序和按值排序。排序是数据整理和初步探索的关键步骤，能帮助我们快速理解数据分布、定位极端值以及按照业务逻辑组织数据。

📋 行动清单

• 掌握核心方法：记住 sort_index() 用于索引排序，sort_values() 用于值排序，并清楚它们的核心参数。
• 练习多列排序：尝试在自有数据集或练习数据上，使用多列排序实现“先分组，后组内排序”的常见需求。
• 明确排序对象：在应用排序前，先想清楚是要对行/列标签排序，还是要根据某一列的数据值排序，从而选择正确的方法。

—— 小象教研组