6.5 排序与排名

本节前言

排序与排名是数据探索的常用手段。本节涵盖索引排序、数值排序以及多种排名策略。

1. sort_index()

按索引（行索引或列索引）排序。

参数

参数	类型	默认值	说明
axis	int / str	0	0=‘index’；1=‘columns’
ascending	bool	True	升序 / 降序
inplace	bool	False	是否原地修改
kind	str	’quicksort’	排序算法：quicksort、mergesort、heapsort、stable
na_position	str	’last'	'first’ / ‘last’：缺失值位置
sort_remaining	bool	True	MultiIndex 是否按剩余层级排序
ignore_index	bool	False	排序后是否重置索引
key	callable	None	排序前对 Index 应用的函数

示例

df = pd.DataFrame(
    {'A': [3, 1, 2]},
    index=[3, 1, 2]
)
 
df.sort_index()
#    A
# 1  1
# 2  2
# 3  3
 
df.sort_index(ascending=False)
df.sort_index(axis=1)
 
# MultiIndex 部分排序
df_mi = df.set_index(['A', 'B'])
df_mi.sort_index(level='A', sort_remaining=False)

sort_index 与 sort_values 的区别

sort_index() 按索引排序，sort_values() 按列的值排序。

2. sort_values()

按一列或多列的值排序。

参数

参数	类型	默认值	说明
by	str / list	必填	参与排序的列名
axis	int / str	0	排序轴
ascending	bool / list	True	升 / 降序，可为每列指定
inplace	bool	False	是否原地修改
kind	str	’quicksort’	排序算法
na_position	str	’last’	缺失值位置
ignore_index	bool	False	重置索引
key	callable	None	排序前应用函数

示例

df = pd.DataFrame({
    'A': [3, 1, 2, 1],
    'B': ['x', 'y', 'x', 'z']
})
 
df.sort_values('A')
#    A  B
# 1  1  y
# 3  1  z
# 2  2  x
# 0  3  x
 
# 多列排序
df.sort_values(['A', 'B'])
 
# 不同方向
df.sort_values(['A', 'B'], ascending=[True, False])
 
# 缺失值在前
df.sort_values('A', na_position='first')
 
# key 参数
df.sort_values('A', key=lambda col: col.abs())

3. rank()

计算排名。

参数

参数	类型	默认值	说明
axis	int / str	0	按行或列排名
method	str	’average’	排名策略（见下表）
numeric_only	bool	False	是否只对数值列排名
na_option	str	’keep'	'keep’ / ‘top’ / ‘bottom’：缺失值处理
ascending	bool	True	升序排名（值越大排名越高）
pct	bool	False	是否返回百分比排名

method 排名策略

method	行为	示例：[1, 2, 2, 3] 的排名
average	并列取平均排名	1.0, 2.5, 2.5, 4.0
min	并列取最小排名	1.0, 2.0, 2.0, 4.0
max	并列取最大排名	1.0, 3.0, 3.0, 4.0
dense	并列不跳号	1.0, 2.0, 2.0, 3.0
first	先到先得排名	1.0, 2.0, 3.0, 4.0

示例

df = pd.DataFrame({'A': [1, 2, 2, 3], 'B': [10, 20, 30, 40]})
 
df.rank()
#      A    B
# 0  1.0  1.0
# 1  2.5  2.0
# 2  2.5  3.0
# 3  4.0  4.0
 
df['A'].rank(method='dense')
# 0    1.0
# 1    2.0
# 2    2.0
# 3    3.0
 
df['A'].rank(pct=True)
# 0    0.25
# 1    0.625
# 2    0.625
# 3    1.0
 
df['A'].rank(na_option='bottom')   # 缺失值排最后

4. nlargest()

返回数值最大的前 n 行。

df.nlargest(2, 'A')
#    A  B
# 3  3  40
# 2  2  30
 
# 多列
df.nlargest(3, ['A', 'B'])
 
# 与 sort_values 等价
df.sort_values('A', ascending=False).head(2)

5. nsmallest()

返回数值最小的前 n 行。

df.nsmallest(2, 'A')
#    A  B
# 0  1  10
# 1  2  20

应用场景

• nlargest / nsmallest 在部分排序场景下比 sort_values() + head() 更高效。
• 排名可与 groupby 结合，实现组内排名。

🔗 相关笔记

• 6.7 数据变换