Pandas dataframe sort_values设置默认ascending=False
Pandas是一个流行的Python数据处理库，它提供了DataFrame数据结构，可以方便地对数据进行处理和分析。其中，sort_values()函数用于对DataFrame进行排序操作。
默认情况下，sort_values()函数按照指定的列进行升序排序（即ascending=True）。如果需要设置默认的降序排序（即ascending=False），可以通过将参数ascending设置为False来实现。
下面是对sort_values函数的完善和全面的答案：
概念： sort_values()是Pandas中DataFrame对象的一个函数，用于按照指定的列对数据进行排序。
分类： sort_values()属于数据处理和分析中的排序操作。
优势：
- 简单易用：sort_values()函数提供了直观的接口，方便用户快速进行数据排序。
- 灵活性：用户可以指定一个或多个列作为排序依据，并且可以通过参数进行降序或升序的设置。
- 高效性：Pandas是基于NumPy开发的，底层使用C语言实现，因此sort_values()函数具有较高的执行效率。
应用场景： sort_values()函数在许多数据处理和分析场景中都有广泛的应用，例如：
- 数据预处理：对数据进行排序是数据预处理的一项重要任务，通过sort_values()函数可以快速将数据按照指定的顺序排列。
- 排名计算：在某些情况下，我们需要根据某个指标对数据进行排名计算，sort_values()函数可以帮助我们实现这一目标。
- 数据可视化：在绘制某些类型的图表时，数据的排序往往会对图表的展示效果产生影响，sort_values()函数可以帮助我们对数据进行排序以达到更好的可视化效果。
推荐的腾讯云相关产品： 腾讯云提供了一系列与云计算和数据处理相关的产品，以下是其中几个推荐的产品：
- 云服务器（CVM）：提供灵活可扩展的云主机实例，可以满足各种规模和场景下的计算需求。产品介绍
- 云数据库MySQL：基于云的关系型数据库，提供高可用、可扩展、安全可靠的数据库服务。产品介绍
- 云函数（SCF）：事件驱动的无服务器计算服务，可以实现按需计算、高并发处理等场景需求。产品介绍
以上是关于Pandas dataframe sort_values()函数的完善且全面的答案，希望能对您有帮助。
相关·内容
1回答
我有一个excel文件，其中包含关于一些数据的信息，其中有两列，一列描述对象，另一列描述对象显示多少，例如：
house 5
car 3
boat 2
我想要创建一个直方图，所以我创建了一个熊猫df。
X = pandas.read_table("myfile.txt")
categories = pandas.DataFrame({
"object": X["object"],
"total": X["total"]
})
接下来，我把它画成：
categori
浏览 2提问于2016-10-20得票数 0
回答已采纳
3回答
假设我在Pandas中有两个dataframes x和y，我想在x中填充一个列，结果是在y中对一个列进行排序。我试过这个：
x['foo'] = y['bar'].order(ascending=False)
但是它不起作用，我怀疑，因为在分配过程中，Pandas 在x和y (它们有相同的一组索引)之间对索引。
如何让Pandas使用另一个dataframe 中的另一列来填充，而忽略了对索引的对齐？
浏览 3提问于2013-04-12得票数 15
1回答
看起来Pandas排序不再工作了：
import pandas as pd
from numpy import random
sample = random.uniform(low=0.0, high=1.0, size=(100,))
ranking = pd.DataFrame(sample, columns=['random']).sort_values(by='random', ascending='False')
print(ranking.head())
random
18 0.024665
71 0.028709
浏览 2提问于2020-04-10得票数 0
回答已采纳
1回答
数据分类与排序优化问题
、、、
我希望在dataframe列'category'中取两个字母，在另一列'data1'中取最多4个字母，并根据某些规则对它们进行排序。我使用了根据类别中的字母进行切片和排序的方法，然后使用concat进行合并。代码如下。还有比这更简单的方法吗？
import numpy as np
from time import time
import pandas as pd
df = pd.DataFrame()
n = 200
df['category'] = np.random.choice(('A', 'B'), n)
浏览 0提问于2021-03-24得票数 1
回答已采纳
我想按和按降序对DataFrame进行排序
我使用以下代码：
new_df = df.groupby(
['Category'])[['Total']].agg(
['sum', 'mean', 'count']).sort_values(
'sum', ascending=False).copy()
它给了我以下错误：
---------------------------------------------------------------------------
Key
浏览 3提问于2022-09-16得票数 0
我在学习SQL中的排名函数，发现它使用的排名方法与pandas方法不同。如何得到相同的答案？ 问题链接：https://www.windowfunctions.com/questions/ranking/1 SQL代码 select rank() over (order by weight desc) as ranking, weight, name from cats order by ranking, name 我的Pandas代码 df[['weight','name']].assign(ranking=df['weight'].rank
浏览 20提问于2020-07-21得票数 3
1回答
创建的df：
import pandas as pd
data = {'Type': ['A', 'B', 'C', 'C', 'A', 'B'],
'Name': ['ab', 'bc', 'Cd', 'ef', 'gh', 'ij'],
'Ratings': [20, 21, 19, 18, 10, 5]}
# Cre
浏览 4提问于2021-06-10得票数 0
6回答
按组反转元素的顺序
、、、
假设我有这样一个DataFrame：
import pandas as pd
df = pd.DataFrame({'a': [1,1,1,1,2,2,2,2], 'b': [1,2,3,4,5,6,7,8]})
看上去像这样
a b
0 1 1
1 1 2
2 1 3
3 1 4
4 2 5
5 2 6
6 2 7
7 2 8
我想在每个组中反转它的元素，其中列a决定组。因此，所需的输出将是
a b
0 1 4
1 1 3
2 1 2
3 1 1
4 2 8
5 2 7
6 2 6
浏览 3提问于2020-05-23得票数 0
回答已采纳
4回答
如何从dataframe中按降序选择非空列。
这是数据文件：
df = pd.DataFrame( { 'a': [1,2,np.nan,np.nan],
'b': [10,20,30,40],
'c': [1,np.nan,np.nan,np.nan]})
a b c
0 1.0 10 1.0
1 2.0 20 NaN
2 NaN 30 NaN
3 NaN 40 NaN
我可以这么做：
df.isnull().sum().
浏览 2提问于2019-05-15得票数 3
回答已采纳
2回答
我正在尝试使用sort_values方法对数据帧进行排序。我有一个只有两列('TS'，'VALUES')的dataframe (df)，并且我总是得到一个错误，如下所示：
df.columns
Out[88]: Index(['TS', 'VALUES'], dtype='object')
df.sort_values(by='TS',axis=1,ascending=True,inplace=True,kind='quicksort',na_position='last&
浏览 2提问于2018-11-20得票数 0
我已经根据巴西每日新冠肺炎案例的总和对前20个城市进行了排名，代码如下： df_cidades.groupby('municipio')['obitosNovos'].sum().nlargest(20).sort_values(ascending=False) 从那里我得到了结果： municipio
São Paulo 8696
Rio de Janeiro 7621
Fortaleza 3582
Belém 2026
Re
浏览 39提问于2020-07-18得票数 2
回答已采纳
1回答
为什么这段代码不能绘制按“value”排序的x轴？
import pandas as pd
import matplotlib.pyplot as plt
# creating dataframe
df=pd.DataFrame()
df['name'] = [1,2,3]
df['value'] = [4,3,5]
# sorting dataframe
df.sort_values('value', ascending = False, inplace= True)
# plot
plt.scatter(df['value
浏览 0提问于2017-05-21得票数 4
回答已采纳
我是Python新手，希望在编码方面更有效率。
目前，我有以下代码，如果商店仍在营业，则计算每个城市的商店数：
top_20_cities = pd.DataFrame(data = shops[shops.Open == 'Open'].groupby('city').size().sort_values(ascending=False).head(20)).reset_index()
top_20_cities.columns = ['City', 'Count']
有可能，把这两条线放在一起吗？我试过了，但有个错误：
top
浏览 0提问于2018-02-07得票数 1
回答已采纳
下面的python代码为我提供了一个AssertionError： p = DataFrame.groupby(column).apply(len).sort_values(ascending=False)
q = DataFrame[column].value_counts()
pd.testing.assert_series_equal(p, q) 我认为这些函数做的是相同的事情，事实上，当查看前几行时，结果序列是相似的，但根据断言错误，它们只有59%相似。
浏览 23提问于2019-08-22得票数 3
回答已采纳
2回答
在python中使用pandas模块进行数据分析时，我试图创建一个函数，该函数可以将以下过程应用于数据帧列表。(注意：P1_Assessment是我想要分析的数据帧之一。)
P1_Assessment[P1_Assessment > 1].sum(axis=0).astype(int).sort_values(ascending = False).plot(kind = 'bar')`
因此，为了分析一个代码块中的数据帧列表，我尝试创建如下函数：
def assess_rep(dataframe):
for i in dataframe:
a = i[i >
浏览 1提问于2018-09-03得票数 1
下面是我正在使用的一段代码，它接受每个用户并为每个用户取一个值，根据排序方案，问题是它相对于我的需要运行缓慢，想知道它是否可以更快地实现：
import pandas as pd
df1 = pd.DataFrame({'user': ['a', 'b', 'c', 'd'],
'user_info': [1, 3, 5, 6]},
columns=['user', 'user_info']
浏览 2提问于2021-08-01得票数 0
回答已采纳
import pandas as pd
d = {
'resource': [1,2,3,4,5,6,7],
'branch': ['a', 'b', 'c', 'a', 'a', 'c', 'b'],
'utilization': [0.7, 0.76, 0.9, 0.3, 0.55, 0.87, 0.71]
}
df = pd.DataFrame(data=d)
我需要显示按分行分列的前2名使用资源。
这样
浏览 0提问于2018-12-19得票数 3
回答已采纳
有这样的熊猫DataFrame，其数值接近1，接近0：
df = pd.DataFrame({
'colA': (0.97, 0.88, 0.03, 0.02),
'colB': (0.01, 0.03, 0.87, 0.99),
})
根据给定的值对其进行排序(对colB的排序显然没有任何效果)：
df.sort_values(['colA','colB'], ascending=False)
>> colA colB
>> 0 0.97 0.01
>> 1 0.88 0.03
浏览 0提问于2020-05-26得票数 5
回答已采纳
我只是想通过一个特定的列来订购dataframe。
代码1 --如果我称它为ddf，则显示为ddf。
my_ddf
输出1
npartitions=1
headers .....
代码2
my_ddf.sort_values('id', ascending=False)
输出2
AttributeError Traceback (most recent call last)
<ipython-input-374-35ce4bd06557> in <module>
----> 1 my_dd
浏览 5提问于2021-01-27得票数 2
回答已采纳
我希望在Pandas中复制这个Dplyr查询，但是很难将.agg()和.assign()函数链接在一起，因此非常感谢您的任何建议。
代码：
counties_selected %>%
group_by(state) %>%
summarize(total_area = sum(land_area),
total_population = sum(population)) %>%
mutate(density = total_population / total_area) %>%
arrange(desc(density))
在P
浏览 4提问于2020-03-18得票数 0
回答已采纳
2回答
我有一份这表格里的数据。
Type Major GPA
F A 2.6
T B 3.4
T C 2.9
F A 1.8
T B 2.8
F C 3.5
...
我希望按Type和Major对Dataframe (“学生”)进行分组，计算每个分组的行数，然后为每种类型从最受欢迎的专业到最不受欢迎的专业进行排序，最后创建一个包含20个最受欢迎专业的新dataframe。
我希望输出结果是这样的：
F
A 21
浏览 5提问于2016-04-26得票数 3
回答已采纳
1回答
我正在使用python 3 pandas。 我的数据框如下所示： import pandas as pd
import numpy as np
df = pd.DataFrame(np.array([['eve', "A", True],['eve', 'C', True], ['nathan', 'B', False],['eve', 'C', True], ['eric', 'C', True],['eric',
浏览 18提问于2020-07-23得票数 1
回答已采纳
3回答
我有以下数据帧： import pandas as pd
data = {0: [-1, -14], 1: [-3, 2], 2: [7, 10], 4: [-10, 15]}
df = pd.DataFrame(data) 我知道如何对特定行进行排序： df.sort_values(by=0, ascending=False, axis=1) 如何根据第一行的绝对值对数据帧进行排序？在本例中，我将拥有类似如下的内容： sorted_data = {0: [-10, 15], 1: [7, 10], 2: [-3, 2], 4: [-1, -14]}
浏览 12提问于2020-08-19得票数 2
1回答
如何将dask数据按降序排序？
、、、、
显然，dask中不存在升序关键字，这很有趣，因为dask被设计成类似于pandas。这样做是行不通的：
res = (ddf
.groupby(['An important column'])
.mean()
.sort_values('Score', ascending=False)
.compute()
)
使用dask进行降序排序的最佳方法是什么？
> NotImplementedError: The ascending= keyword is not supported
达斯克版本：2021.4.0
浏览 3提问于2021-04-21得票数 0
所以当我在我的dataframe列上使用df["total"].sort_values(ascending=False)[:5]时，我得到了以下内容。
lganame
Melbourne (C) 32052
Brimbank (C) 18001
Greater Bendigo (C) 15648
Hobsons Bay (C) 15285
Golden Plains (S) 14677
我把它排序，所以它将是top5。现在我有了这个信息，但
浏览 4提问于2017-05-11得票数 0
回答已采纳
按列的值和索引对pandas dataframe进行排序是否可行？
如果按列的值对pandas数据帧进行排序，则可以得到按列排序的结果数据帧，但不幸的是，您会看到数据帧的索引顺序与排序列的值相同。
那么，我是否可以按列对数据帧进行排序，例如名为count的列，但也可以按索引值对其进行排序？按降序对列进行排序也是可行的，但是按升序对索引进行排序是否可行呢？
我知道如何对dataframe中的多个列进行排序，也知道通过首先对索引执行reset_index()并对其进行排序，然后再次创建索引，就可以实现这里所要求的结果。但是，这是不是更直观、更有效的方法呢？
浏览 2提问于2013-11-29得票数 59
我有一个包含一些数据的数据帧。我想对这个数据帧应用一个条件。 当我像这样写代码的时候： import pandas as pd
data_store = pd.read_excel("101010.xlsx")
fff = data_store[data_store.Price > 20]
print(fff.sort_values("Total Sale", ascending=False)) 程序正在运行并返回(显示)我想要的数据帧元素值，如下所示： Total Sale Price
100000 64
95000
浏览 18提问于2020-09-07得票数 0
1回答
熊猫:分组和聚合
、、、
我对熊猫的数据还有点陌生，目前正试图从国家的销售总量中获得最高的数据。dataframe是关于几年来在美国商店的销售。我想知道哪个国家卖得最多，然后哪个州卖得最多，但按物品的价值计算，所以以美元计算。
下面是指向dataframe的链接：
这是我的密码：
# Load the data
df=pd.read_csv('https://raw.githubusercontent.com/michalis0/DataMining_and_MachineLearning/master/data/sales.csv')
# Highest demand by number of it
浏览 2提问于2021-10-29得票数 0
回答已采纳
我使用的熊猫版本是1.3.5，当我试图使用sort_values函数时，我遇到了一个错误。
码
founded_edvideos_list = find_matching_posts_forupdate(video_id_list, stop_at_page=stop_at_page)
founded_edvideos_df = pd.DataFrame(founded_edvideos_list)
founded_edvideos_df = pd.sort_values(by=['post_id'], ascending=True)
最后一行给出一个错误
getattr__
浏览 2提问于2022-03-01得票数 0
回答已采纳
我有一长串pandas链接的命令，例如：
df.groupby[['x','y']].apply(lambda x: (np.max(x['z'])-np.min(x['z']))).sort_values(ascending=False)
我希望能够跨多行显示它，但仍然是单行代码(不将结果保存到临时对象中，或将lambda定义为函数)。
下面是我希望它看起来是什么样子的示例：
df.groupby[['x','y']]
.apply(lambda x: (np.max(x['z']
浏览 0提问于2015-11-27得票数 29
回答已采纳
3回答
群迭代排序
、、
下面是代码和控制台输出。
import pandas as pd
#data
df= pd.DataFrame([{'col1':'a', 'is_open':0}, {'col1':'b', 'is_open':1}])
#1
df = df.sort_values('is_open',ascending=False).reset_index(drop=True)
# print(df)
#2
for i, d in df.groupby(['col1', &
浏览 19提问于2022-06-23得票数 0
回答已采纳
1回答
我有两个CSV文件，我在一个循环中使用。在其中一个文件中，有一个名为“可用性评分”的列；是否有一种方法可以使循环通过该列的降序记录进行迭代？我认为我可以首先使用Ob.sort_values(by=['AvailabilityScore'],ascending=False)来更改数据格式的顺序，这样循环开始时的顺序就已经正确了。我试过了，但似乎没什么区别。
# import the data
CF = pd.read_csv (r'CustomerFloat.csv')
Ob = pd.read_csv (r'Orderbook.csv')
#
浏览 3提问于2022-07-27得票数 1
回答已采纳
我有一个dataframe，并希望按降序或升序对所有列进行独立排序。
import pandas as pd
data = {'a': [5, 2, 3, 6],
'b': [7, 9, 1, 4],
'c': [1, 5, 4, 2]}
df = pd.DataFrame.from_dict(data)
a b c
0 5 7 1
1 2 9 5
2 3 1 4
3 6 4 2
当我为此使用时，它不像预期的那样工作(对我来说)，只对一列进行排序：
foo = df.sort_v
浏览 9提问于2017-04-07得票数 5
回答已采纳
我想在sort_values之后和之后组成一个团体
Depuis_2013 = pd.DataFrame(aide1, columns=['Pays','Année','Aide_kg'])
Depuis_2013_aide = Depuis_2013.groupby (('Pays') ['Année']).sum().sort_values(by= "quantite_aide", ascending=False).head(7)
和我得到了一个错误
SyntaxWarning: str i
浏览 6提问于2022-03-08得票数 0
回答已采纳
问题
在下面的数据格式df中
import random
import pandas as pd
random.seed(999)
sz = 50
qty = {'one': 1, 'two': 2, 'three': 3}
thing = (random.choice(['one', 'two', 'three']) for _ in range(sz))
order = (random.choice(['ascending', 'descending']) f
浏览 4提问于2020-11-16得票数 2
回答已采纳
3回答
运行以下代码：
df = pd.DataFrame(['ADc','Abc','AEc'],columns = ['Test'],index=[0,1,2])
df.sort(columns=['Test'],axis=0, ascending=False,inplace=True)
返回按：[Abc, AEc, ADc]排序的dataframe列。ADc应该在AEc之前，怎么回事？
浏览 6提问于2015-04-27得票数 11
回答已采纳
2回答
我想按某些优先级规则对数据进行排序。
我已经在下面的代码中实现了这一点，但我认为这是一个非常麻烦的解决方案。
有没有更合适的潘达方式来做这件事？
import pandas as pd
import numpy as np
df=pd.DataFrame({"Primary Metric":[80,100,90,100,80,100,80,90,90,100,90,90,80,90,90,80,80,80,90,90,100,80,80,100,80],
"Secondary Metric Flag":[0,1,0,1,0,1,
浏览 0提问于2019-06-24得票数 2
回答已采纳
2回答
我有这样的数据
+---+---+---
| A| B| C|
+---+---+---
| 1| 3| 1|
| 2| 1| 1|
| 2| 3| 1|
| 1| 2| 1|
| 3| 1| 1|
| 1| 2| 1|
| 2| 1| 1|
| 1| 3| 1|
| 1| 2| 1|
+---+---+---
我希望将数据简化为两个列(A和B)按降序排序的最常见的组合，输出应该如下所示
+---+---+-----+
| A| B|count|
+---+---+-----+
| 1| 2| 3|
| 2| 1| 2|
+---
浏览 3提问于2016-11-15得票数 2
回答已采纳
3回答
我有一只熊猫的数据
import pandas as pd
test = pd.DataFrame({'words':[['foo','bar none','scare','bar','foo'],
['race','bar none','scare'],
['ten','scare','cro
浏览 3提问于2021-01-22得票数 3
回答已采纳
我已经创建了使用Groupby()和.agg()的代码，以便新的DataFrame具有Total中值的sum、mean和count列。 test = df.groupby('Sector').agg({'Total': ['sum', 'mean', 'count']}) 这段代码已经正常工作，并在必要时产生了结果。但是在尝试使用sort_values()对sum列进行降序排序时。我遇到了一个问题。 test.sort_values('sum', axis="columns", a
浏览 22提问于2020-10-29得票数 1
回答已采纳
不浪费时间，直奔问题。我正在尝试对我的数据集进行排序索引，并从mean_ratings DataFrame中获取"top_female_ratings“。我运行了以下代码：
active_titles = ratings_by_title.index[ratings_by_title >= 250]
active_titles[:10]
mean_ratings = mean_ratings.loc[active_titles]
mean_ratings.info()
这段代码给出了以下输出：
<class 'pandas.core.frame.DataFrame
浏览 0提问于2021-01-05得票数 0
3回答
基本的基本问题，但不能正确处理。我试着按分数排序，然后得到与高分相关的顶级名称。
import pandas as pd
df = pd.DataFrame({'score' :[1,5,7,999], 'name':['jack','jill','chris','kevin']})
df.sort_values(by= 'score', ascending=False, inplace=True)
df
df.name[0]
然而，使用这种方法，我得到的是Jack而不是Kevin，
浏览 6提问于2017-08-25得票数 0
回答已采纳
1回答
数据帧分类和排序优化问题2
、、、、
我之前问过一个排序问题，有人先用按列排序的DataFrame.sort_values解决了这个问题，然后添加了GroupBy.head。 Dataframe classification and sorting optimization problem 现在我遇到了一个更复杂的排序。我需要按category对数据帧进行分类。当类的category的值最大时，根据data1的值对每个data2进行过滤，然后进行排序 代码如下，如何优化呢？ import numpy as np
import pandas as pd
df = pd.DataFrame()
n = 200
df['ca
浏览 17提问于2021-03-26得票数 1
回答已采纳
3回答
当我将排序函数应用到Dataframe时，索引没有打印，只打印值。
我试过.index和排序，但不起作用
Andhra Pradesh 609949.85
Arunachal Pradesh 18796.07
Assam 224247.19
Bihar 413513.59
Chhattisgarh 260786.98
Goa 45012.75
我要排序数字和
浏览 0提问于2019-09-11得票数 3
回答已采纳
2回答
我发现这个问题很容易写出，但很难用我的Pandas Dataframe。在搜索任何“唯一值”和“列表”时，我只得到在列表中获得唯一值的答案。
有一个有双for循环的蛮力解，但是必须有一个比n^2更快的Pandas解。
我有一个有两个列的DataFrame :名称和喜欢食物。
作为输出，我希望为每个唯一的名称列出唯一的喜好食物值。
示例Dataframe df
Index Name Likes Food
0 Tim Pizza
1 Marie Pizza
2 Tim
浏览 3提问于2019-11-14得票数 2
回答已采纳
假设我有以下数据帧： import pandas as pd
tuples = [('A', 'AA'), ('A', 'AB'), ('B', 'BA'), ('B', 'BB'),
('C', 'CA'), ('C', 'CB')]
index = pd.MultiIndex.from_tuples(tuples,
浏览 10提问于2019-09-01得票数 0
回答已采纳
import pandas as pd
import matplotlib.pyplot as plt`
# creating the dataset
data = pd.read_csv('agemode.csv')
data.columns = data.iloc[9]
data_new =
data.drop([0,1,2,3,4,5,6,7,8,9,10,11,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33],
axis=0).dropna(axis='columns')
浏览 6提问于2022-10-16得票数 0
我的数据是这样格式化的
df = pd.DataFrame(data=[['Steve', '3', '2'],
['Smith', '4', '3'],
['Scott', '0', '5'],
['Simon', '1', '8']],
浏览 11提问于2019-12-06得票数 3
回答已采纳
1回答
我有这样的数据：
import matplotlib.pyplot as plt
from matplotlib.patches import Patch
import seaborn as sns
import pandas as pd
df = pd.DataFrame({'C': np.random.choice([False, False, False, True], 100000),
'D': np.random.choice([False,True], 100000),
&
浏览 2提问于2020-09-16得票数 1
回答已采纳
我使用以下代码使用随机值创建了一个dataframe：
values = random(5)
values_1= random(5)
col1= list(values/ values .sum())
col2= list(values_1)
df = pd.DataFrame({'col1':col1, 'col2':col2})
df.sort_values(by=['col2','col1'],ascending=[False,False]).reset_index(inplace=True)
在我的例子中创建的dataf
浏览 1提问于2022-02-16得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
