排序操作：按市盈率与收益率对股票排名

排序操作：按市盈率与收益率对股票排名

小象量化极客小册 · 华尔街量化分析先锋系列

Pandas 是量化交易员最核心的武器。本节你将通过 Series 和 DataFrame 深度处理时间序列行情数据，掌握 loc/iloc 定位筛选、缺失值与重复值清洗、以及最大回撤与年化波动率等核心指标统计计算。

小象量化极客小册 · 华尔街量化分析先锋系列 Pandas 是量化交易员最核心的武器。本节你将通过 Series 和 DataFrame 深度处理时间序列行情数据，掌握 loc/iloc 定位筛选、缺失值与重复值清洗、以及最大回撤与年化波动率等核心指标统计计算。

💡 核心导读

本节将深入讲解 Pandas 中的排序操作，这是数据分析中最基础也最常用的数据整理技术。通过学习，您将掌握：

• 按单列/多列进行升序/降序排序
• 处理缺失值的排序策略
• 索引排序与重置索引的技巧
• 大型数据集排序的性能优化思路 我们将通过真实数据集演示如何通过排序快速发现数据规律，为后续分析打下坚实基础。

基本排序方法

按列值排序

import pandas as pd

data = {
    '产品': ['手机', '笔记本', '平板', '耳机', '键盘'],
    '销量': [120, 85, 90, 200, 65],
    '单价': [5999, 8999, 3999, 399, 299]
}
df = pd.DataFrame(data)

df_sorted = df.sort_values('销量', ascending=False)
print(df_sorted)

执行前数据：

   产品  销量   单价
0  手机  120  5999
1  笔记本   85  8999
2  平板   90  3999
3  耳机  200   399
4  键盘   65   299

执行后结果：

   产品  销量   单价
3  耳机  200   399
0  手机  120  5999
2  平板   90  3999
1  笔记本   85  8999
4  键盘   65   299

多列排序

df_multi_sorted = df.sort_values(['销量', '单价'], ascending=[False, True])

💡 概念小测：多重排序

我们使用 df.sort_values(by=['pe_ratio', 'returns'], ascending=[True, False]) 对股票池进行排序。这一操作的准确逻辑是？

• 随机按市盈率或收益率进行排序，排序结果是不确定的。
• 先按市盈率升序排列；当市盈率相同时，再按收益率降序排列。
• 先按市盈率降序排列，若相同则按收益率升序排列。
• 把市盈率和收益率相加后再进行升序排序。

📝 选择题

💡 概念小测：多重排序 我们使用 df.sort_values(by=['pe_ratio', 'returns'], ascending=[True, False]) 对股票池进行排序。这一操作的准确逻辑是？

• A. 随机按市盈率或收益率进行排序，排序结果是不确定的。
• B. 先按市盈率升序排列；当市盈率相同时，再按收益率降序排列。
• C. 先按市盈率降序排列，若相同则按收益率升序排列。
• D. 把市盈率和收益率相加后再进行升序排序。

答案：B（先按市盈率升序排列；当市盈率相同时，再按收益率降序排列。）

索引排序

按索引排序

df_shuffled = df.sample(frac=1, random_state=42)
print("打乱后的索引:\n", df_shuffled.index)

df_reindexed = df_shuffled.sort_index()

重置索引

df_reset = df_sorted.reset_index(drop=True)  # drop=True表示丢弃旧索引

高级排序技巧

处理缺失值

df_nan = pd.DataFrame({
    'A': [1, None, 3, 2],
    'B': ['x', 'y', None, 'z']
})

df_nan_sorted = df_nan.sort_values('A', na_position='last')

自定义排序规则

custom_order = ['耳机', '手机', '平板', '笔记本', '键盘']
df['产品'] = pd.Categorical(df['产品'], categories=custom_order, ordered=True)
df_custom_sorted = df.sort_values('产品')

性能优化

对于大型数据集（>1GB）的排序：

large_df = pd.read_csv('big_data.csv')
large_df_sorted = large_df.sort_values('timestamp', kind='mergesort')  # 稳定排序

💡 代码填空：按值排序

补全代码，将股票 DataFrame 按收盘价（close）从高到低（降序）进行重新排序：

import pandas as pd

df = pd.DataFrame({'ticker': ['AAPL', 'GOOG'], 'close': [150.5, 2730.0]})
sorted_df = df.{blank}(by='close', ascending=False)
print(sorted_df.iloc[0]['ticker']) # 输出 GOOG

• sort_index
• sort_values
• order

✏️ 填空题

💡 代码填空：按值排序 补全代码，将股票 DataFrame 按收盘价（close）从高到低（降序）进行重新排序：

import pandas as pd
df = pd.DataFrame({'ticker': ['AAPL', 'GOOG'], 'close': [150.5, 2730.0]})
# 降序排序
sorted_df = df.___(by='close', ascending=False)
print(sorted_df.iloc[0]['ticker']) # 输出 GOOG

答案：sort_values

本章小结

行动清单

• 使用本地销售数据，分别按销售额和利润率进行多列排序，观察数据分布特征
• 创建一个含缺失值的DataFrame，测试不同na_position参数对排序结果的影响
• 对超过100万行的数据集测试quicksort、mergesort和heapsort的性能差异

「小象量化教研组」