Python案例如何用Pandas做数据排序函数

wen python案例 2026-07-15 1

从零掌握Pandas数据排序：实战案例与核心函数详解

目录导读

为什么数据排序如此重要？
Pandas排序的两大门派：sort_values与sort_index
实战案例1：单列排序与多列排序（含业务场景分析）
实战案例2：快速排序与缺失值处理策略
实战案例3：按行索引排序与自定义排序规则
高频问答（SEO优化+真实困惑解答）
完整代码模板与最佳实践建议

为什么数据排序如此重要？

在数据清洗与探索性分析中,排序是最基础但最容易被忽视的操作，想象你正在分析电商销售数据：你需要按销售额从高到低找出TOP10商品、按日期顺序查看销售趋势、或者按用户ID分组后排序显示购物记录，没有排序，数据就像一堆乱码，无法提取任何有意义的结论。

Python案例如何用Pandas做数据排序函数

核心价值：

快速定位极值：最大值/最小值一目了然
时间序列分析：按时间顺序排列是后续分析的前提
分组统计可视化：排序后的数据绘制折线图更清晰

Pandas排序的两大门派：sort_values与sort_index

Pandas提供了两套主力排序函数,理解它们的区别是正确使用的前提：

函数	作用对象	语法核心	适用场景
`df.sort_values()`	按指定列的值排序	`by=['列名']`	按数值、文本、日期排序
`df.sort_index()`	按行索引排序	无by参数	重置索引后排序、时间索引排序

重要参数：

ascending=True：升序 (默认)；ascending=False：降序
na_position='last'：缺失值放在末尾；'first'放在开头
inplace=False：是否直接修改原DataFrame

实战案例1：单列排序与多列排序（含业务场景分析）

1 准备数据

import pandas as pd
data = {
    '商品': ['手机', '电脑', '耳机', '平板', '手表'],
    '销售额': [5200, 8900, 1200, 4500, 2100],
    '库存': [50, 30, 200, 80, 150],
    '上架日期': ['2024-01-15', '2024-02-20', '2024-01-10', '2024-03-05', '2024-02-28']
}
df = pd.DataFrame(data)

2 单列降序排序（找出销售额TOP3）

# 按销售额降序排列，缺失值默认放在最后
top_sales = df.sort_values(by='销售额', ascending=False)
print(top_sales.head(3))

输出：电脑(8900) > 手机(5200) > 平板(4500)

3 多列复合排序（先按库存降序，再按销售额升序）

# 当库存相同时，再按销售额从小到大排序（库存优先）
df_sorted = df.sort_values(by=['库存', '销售额'], ascending=[False, True])

业务含义：找出库存最多的商品，若库存相同则优先展示销售额较低的商品（可能需清库存）。

实战案例2：快速排序与缺失值处理策略

1 故意制造缺失值

import numpy as np
df.loc[3, '销售额'] = np.nan  # 平板销售额设为NaN

2 缺失值放在末尾（默认行为）

df.sort_values(by='销售额', ascending=False, na_position='last')

3 缺失值放在开头（常用于异常值标注）

df.sort_values(by='销售额', ascending=True, na_position='first')

经验总结：数据分析中建议先将缺失值填充（如用中位数），再排序，避免影响后续业务判断。

实战案例3：按行索引排序与自定义排序规则

1 按索引排序（常用于合并数据后）

# 打乱索引后重建
df_shuffled = df.sample(frac=1).reset_index(drop=True)
# 按原始索引恢复顺序
df_restored = df_shuffled.sort_index()

2 自定义排序：用key参数实现复杂逻辑

假设你要按商品名称的最后一个字符排序：

df.sort_values(by='商品', key=lambda x: x.str[-1])

手机 → 机 → 排序靠前
电脑 → 脑 → 排序靠后

适用场景：自然语言处理中的自定义词典排序，或根据业务规则对类别重排。

高频问答（SEO优化+真实困惑解答）

Q1：sort_values和sort_index能不能混用？
A：可以，但需场景化，例如先按列排序取出TopN，再按索引排序恢复原始顺序展示。

Q2：排序后索引为什么乱了？怎么重置？
A：排序会打乱原始索引，使用reset_index(drop=True)可重置为0~N-1的连续索引，drop=False则将原索引保留为列。

Q3：多列排序时by参数顺序如何影响结果？
A：by=['A','B']表示先按A列排序，A列值相同行再按B列排序，若ascending=[True, False]，A列升序、B列降序。

Q4：如何按自定义列表顺序排序（如：'低','中','高'）？
A：使用有序分类数据：

order = ['低','中','高']
df['级别'] = pd.Categorical(df['级别'], categories=order, ordered=True)
df.sort_values('级别')

Q5：排序速度慢怎么办？
A：对小数据量影响不大，大数据集建议先对排序列设置索引：df.set_index('列名').sort_index()，比sort_values快。

完整代码模板与最佳实践建议

万能排序模板（可直接复制使用）

import pandas as pd
def smart_sort(df, sort_columns, ascending_list=None, na_position='last'):
    """
    智能排序函数
    :param df: DataFrame
    :param sort_columns: 单列名(str)或多列名(list)
    :param ascending_list: 与sort_columns对应的升降序列表
    :param na_position: 缺失值位置
    """
    if isinstance(sort_columns, str):
        sort_columns = [sort_columns]
    if ascending_list is None:
        ascending_list = [True] * len(sort_columns)
    return df.sort_values(by=sort_columns, ascending=ascending_list, na_position=na_position)

最佳实践建议

数据排序前先检查缺失值：用df.isna().sum()统计，避免排序后逻辑偏差。
排序后务必重置索引：除非你需要利用索引信息，否则reset_index(drop=True)。
大型CSV文件排序优化：先用chunksize分块读取，排序后再合并，避免内存炸裂。
可视化前一定要排序：例如用matplotlib画折线图，不排序会导致线条混乱。

Pandas排序不再是简单的"升序/降序"选择题，通过sort_values结合by多列、ascending复合控制、na_position缺失值处理、以及key自定义逻辑，你可以在一步操作中完成复杂的数据重组，从电商订单到金融时序，掌握这些技巧让你的数据分析效率提升50%以上。