python排序与自定义排序：列表、字典、dataframe

文章目录

一、列表 list --> sort()

1.1 升序、降序 reverse1.2 自定义排序(使用参数key) 二、字典 dict --> sorted三、Dataframe 排序

3.1 索引排序 sort_index()3.2 值排序 sort_values()3.3 dataframe 自定义排序

3.3.1 单变量自定义排序3.3.2 多变量自定义排序 一、列表 list --> sort() 1.1 升序、降序 reverse

list_ = ['Facebook', 'Google','Wechat', 'Baidu', 'Taobao','Jingdong']print("原始列表：",list_,"n")# 默认排序（升序）list_.sort() print("默认排序：",list_)# 降序，使用参数 reverse=Truelist_.sort(reverse=True)print(" 降序：",list_)

1.2 自定义排序(使用参数key)

# 1.按照字符串长度排序（降序）# 排序参考：# Facebook --> len(Facebook) = 8 # Google --> len(Google) = 6# Wechat --> len(Wechat) = 6 # Baidu --> len(Baidu) = 5# Taobao --> len(Taobao) = 6 # Jingdong --> len(Jingdong) = 8 list_.sort(reverse=True,key=lambda x:len(x))print("按照字符串长度排序（降序）：",list_)# 2.按照第二个字母排序（升序）# 排序参考：# Facebook --> a # Google --> o # Wechat --> e # Baidu --> a # Taobao --> a # Jingdong --> i list_.sort(key=lambda x:x[1])print("按照第二个字母排序（升序）：",list_)# 3.不排序，但要使用sort函数（为了更直观地介绍参数key的用法）# 排序参考：# Facebook --> 1# Google --> 1 # Wechat --> 1 # Baidu --> 1 # Taobao --> 1 # Jingdong --> 1list_ = ['Facebook', 'Google','Wechat', 'Baidu', 'Taobao','Jingdong']list_.sort(key=lambda x:1) # 此时匿名函数lambda返回一个常量，排序则根据该常量进行判断print(" 不排序，但要使用sort函数：",list_)# 4.指定顺序：['Taobao','Jingdong','Baidu','Wechat','Facebook', 'Google']MySortList = ['Taobao','Jingdong','Baidu','Wechat','Facebook', 'Google']MySortDict = dict([[i,MySortList.index(i)] for i in MySortList])list_.sort(key=lambda x:MySortDict[x])print(" 指定顺序：",list_)

二、字典 dict --> sorted

sorted() 同样可以作用于列表，且两者参数类似list.sort() == sorted(list)同样，sort()可以适用于字典

dict_ = { '斗罗大陆': '小舞', '斗破苍穹': "云韵", '狐妖小红娘': '涂山雅雅', '天行九歌': '焰灵姬',}print(" 原始字典：",dict_,'n')print("直接排序（默认按key值）：",sorted(dict_))print(" 按values排序：",sorted(dict_.values()))print(" 按键值对排序：",sorted(dict_.items()))################################## 自定义排序(使用参数key) ################################### 按 values 长度排序# 排序参考：# 斗罗大陆 --> len(小舞) = 2 # 斗破苍穹 --> len(云韵) = 2# 狐妖小红娘 --> len(涂山雅雅) = 4 # 天行九歌 --> len(焰灵姬) = 3 print(" 按 values 长度排序：",sorted(dict_.items(),key=lambda x:len(x[1])))

三、Dataframe 排序

创建一个dataframe

import pandas as pddf = pd.Dataframe( { "A":[1,3,5,7,9], "D":[1,2,3,4,5], "C":['a','d','c','d','b'], "B":[2,4,6,8,10] }, index=list("acbed"))

3.1 索引排序 sort_index()

参数解析

sort_index( axis = 0, # 0按照行名；1按照列名 level = None, # 默认None，否则按照给定的level顺序排列 ascending = True, # 默认True升序；False降序 inplace = False, # 默认False，否则排序之后的数据直接替换原来的dataframe kind = 'quicksort', # 排序方法，{'quicksort','mergesort','heapsort'},默认'quicksort'。(似乎不用太关心) na_position = 'last', # 缺失值默认排在最后{'first','last'} sort_remaining = True, # ************ by = None # 按照某一列或几列数据进行排序，这里by参数不建议使用)

针对 index 排序（行）

df.sort_index( axis = 0, # 默认 index ascending = True, # 升序)

针对 columns 排序（列）

df.sort_index( axis = 1, # 1代表针对columns ascending = True, # 升序)

3.2 值排序 sort_values()

参数解析

sort_values( by = [columns], # 参考排序的列 axis = 0, # 0按照行名；1按照列名 ascending = True, # 布尔型，True则升序，如果by=['列名1','列名2']，则该参数可以是[True, False]，即第一字段升序，第二个降序。 inplace = False, # 默认False，否则排序之后的数据直接替换原来的dataframe kind = 'quicksort', # 排序方法，{'quicksort','mergesort','heapsort'},默认'quicksort'。(似乎不用太关心) na_position = 'last' # 缺失值的位置{'first','last'})

针对C列进行升序的基础上再对D列进行降序即在C列有相同值的情况下，D列进行降序

df.sort_values(by=['C','D'],ascending=[True,False])

3.3 dataframe 自定义排序

加载库 CategoricalDtype

from pandas.api.types import CategoricalDtype

3.3.1 单变量自定义排序

针对C列

c_sort = CategoricalDtype( ['a','d','c'], # 列表以外的值都会变为 NaN ordered=True # [布尔值]如果为false，则将类别视为无序。)df['C'] = df['C'].astype(c_sort)df.sort_values(by=['C'])

3.3.2 多变量自定义排序

针对B、C列

cat_B = CategoricalDtype( [8,4], # 列表以外的值都会变为 NaN ordered=True # [布尔值]如果为false，则将类别视为无序。)cat_C = CategoricalDtype( ['a','d','c'], # 列表以外的值都会变为 NaN ordered=True # [布尔值]如果为false，则将类别视为无序。)df['B'] = df['B'].astype(cat_B)df['C'] = df['C'].astype(cat_C)df.sort_values(by=['C','B'])