本文主要介绍Python中使用pandas进行排序和排名操作，相关如下： 排序： 对数据集按照某一种方式进行排序（升序、降序或自定义顺序）。 排名： 对数据集按照某一种方式进行排名（从高到低、从低到高或自定义顺序排名），一般生成新的名次序号列。

1. 排序

简介： sort_index(axis=1,ascending=False) axis：行索引或列索引，默认为列索引排序，axis = 1 表示对行进行排序； ascending：排序方式，默认升序，ascending=False 表示降序；

使用方法如下：

对于DataFrame，则可以根据任意一个轴上的索引进行排序：

降序排列：

简介： sort_values(by=‘b’,ascending=False) by：排序的依据，by=‘b’ 表示依据b列的数据进行排序； ascending：排序方式，默认升序，ascending=False 表示降序；

使用方法如下：

特别的，在排序时，任何缺失值默认都会被放到Series的末尾：

在DataFrame中，可以将一个或多个列的名字传递给sort_values的by选项，来实现对一个或多个列中的值进行排序。

要根据多个列进行排序，传入名称的列表即可：

2. 排名

rank()：对数据进行排名 简介： df.rank(ascending=False, method=‘max’) ascending：排名方式，默认从低到高，ascending=False 表示从高到低； method：排名方式，包括：“average”、“min”、“max”、“first”、“dense”。默认情况下，rank是通过“为各组分配一个平均排名”的方式破坏平级关系的，对照表如下： 使用方法

排名会从1开始一直到数组中有效数据的数量。

这里，条目0和2没有使用平均排名6.5，它们被设成了6和7，因为数据中标签0位于标签2的前面。

你也可以按降序进行排名：

另，DataFrame可以在行或列上计算排名：

参考文献： 【1】利用Python进行数据分析（第2版）https://www.jianshu.com/p/161364dd0acf；

作者简介 作者：榆尚天 简介：一个数据分析的爱好者，立志成为一名数据界的幽灵。 微信平台：数据幽灵 期待与各位同道的交流，欢迎关注~~~ ———————————————————————————— 作者：榆尚天 出处：https://mp.csdn.net/mdeditor/90265032 说明：本文版权归作者所有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接。