排序操作

Pandas 数据排序操作精讲：按值排序 sort_values、按索引排序 sort_index 与多列组合排布

小象实战讲义 · Python数据分析实战

在数据探索与报表呈现中，将数据按照特定业务指标（如销售额从高到低、用户注册时间从早到晚、学生总分排名）进行升序或降序排布是不可或缺的基本操作。Pandas 提供了两套极其高效的排序体系：基于数据值的排序方法 sort_values() 与 基于轴标签的排序方法 sort_index()。此外，Pandas 还支持多列组合优先级排序以及对缺失值 NaN 放置位置的精确控制。本节我们将全面掌握 Pandas 排序 API 的各种用法。

💡 核心导读

• 两大核心排序函数：
  • df.sort_values(by=..., ascending=...)：基于某一列或多个列的具体数值进行数据排序；
  • df.sort_index(axis=0/1, ascending=...)：基于行索引或列索引本身的字典序进行重排。
• 多列组合优先级排序：传入列名列表与布尔列表，实现“先按 A 列升序，A 相同再按 B 列降序”。
• 缺失值位置控制：na_position='last'（默认排在末尾）与 na_position='first'（排在最前）。

1. 按值排序 sort_values 与多列组合排布

sort_values() 是业务分析中最常用的排序工具，通过 by 参数指定基准列：

┌─────────────────────────────────────────────────────────────┐
│                 多列组合排序 (by=['部门', '绩效'])           │
├─────────────────────────────────────────────────────────────┤
│ 原始记录               第一优先级 (部门 升序)  第二优先级 (绩效 降序)│
│ 技术部, 绩效 80  ──►   市场部, 绩效 95         市场部, 绩效 95       │
│ 市场部, 绩效 90  ──►   市场部, 绩效 90   ──►   市场部, 绩效 90       │
│ 市场部, 绩效 95  ──►   技术部, 绩效 92         技术部, 绩效 92       │
│ 技术部, 绩效 92  ──►   技术部, 绩效 80         技术部, 绩效 80       │
└─────────────────────────────────────────────────────────────┘

import pandas as pd
import numpy as np

# 创建员工绩效与薪酬表
df_staff = pd.DataFrame({
    "name": ["张伟", "王芳", "李明", "赵强", "刘洋", "孙丽"],
    "dept": ["技术部", "市场部", "技术部", "市场部", "财务部", "技术部"],
    "performance": [88, 95, 92, 95, 85, np.nan],
    "salary": [18000, 16000, 22000, 19000, 15000, 20000]
}, index=["E01", "E02", "E03", "E04", "E05", "E06"])

print("=== 1. 原始员工表格 ===")
print(df_staff)

# 1. 单列降序排序：按薪资从高到低排列
df_by_salary = df_staff.sort_values(by="salary", ascending=False)
print("\n=== 2. 按薪资降序排列 (Top Earners) ===")
print(df_by_salary[["name", "dept", "salary"]])

# 2. 多列组合排序：先按部门升序，部门相同再按绩效降序
df_multi_sort = df_staff.sort_values(
    by=["dept", "performance"],
    ascending=[True, False],
    na_position="last"  # 缺失值置于末尾
)
print("\n=== 3. 多列组合排序 (部门升序 + 绩效降序) ===")
print(df_multi_sort[["name", "dept", "performance", "salary"]])

2. 按索引排序 sort_index 与排名 rank()

当数据经过乱序打乱或切片筛选后，可以使用 sort_index() 恢复原本有序的索引序列。

# 1. 按行索引降序排序
df_by_index = df_multi_sort.sort_index(ascending=True)
print("=== 4. 恢复按员工编号 (Index) 升序排列 ===")
print(df_by_index)

# 2. 计算各员工薪资在全公司的排名 (rank)
df_staff["salary_rank"] = df_staff["salary"].rank(ascending=False, method="min")
print("\n=== 5. 薪资排名列衍生 (降序) ===")
print(df_staff[["name", "salary", "salary_rank"]])

📝 动手练一练

1. 概念思考题：在对包含 NaN 缺失值的数值列进行降序排序（ascending=False）时，默认情况下 NaN 会出现在最前面还是最后面？如何改变这一行为？

   👉 点击查看参考答案

   参考答案：

   • 默认情况下，无论 ascending 是 True 还是 False，NaN 都会被放置在最后面（na_position='last'）；
   • 若要将 NaN 放置在最前面，需显式设置参数 na_position='first'。

2. 编程练习：给定 DataFrame，请按照 'age' 列升序、'score' 列降序进行排序，并重置行索引。

   👉 点击查看参考答案

   参考答案：

   import pandas as pd
   df = pd.DataFrame({'age': [20, 22, 20], 'score': [85, 90, 95]})
   sorted_df = df.sort_values(by=['age', 'score'], ascending=[True, False]).reset_index(drop=True)
   print(sorted_df)

本章小结

• 掌握了 sort_values() 单列与多列组合优先级排序的核心机制；
• 理解了 ascending 列表与 na_position 对排布顺序的精确控制；
• 掌握了 sort_index() 恢复标签顺序与 rank() 计算分位排名的实用技能。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《Pandas 数据清洗：处理缺失数据 isna、dropna 与 fillna》！

—— 小象教研组