pandas.Series.sort_values

Series.sort_values(*, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', ignore_index=False, key=None)

按值排序。

按某个标准升序或降序对 Series 进行排序。

Parameters:

axis{0 或 ‘index’}

未使用。参数是与 DataFrame 兼容性所必需的。

ascending布尔值或布尔值列表，默认为 True

如果为 True，則按升序排序；否则按降序排序。

inplacebool，默认 False

如果为 True，则原地执行操作。

kind{‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’}，默认为 ‘quicksort’

排序算法的选择。有关更多信息，请参阅 numpy.sort() 。’mergesort’ 和 ‘stable’ 是唯一稳定的算法。

na_position{‘first’ 或 ‘last’}，默认为 ‘last’

参数 ‘first’ 将 NaN 放在开头，’last’ 将 NaN 放在结尾。

ignore_indexbool，默认 False

如果为 True，则生成的轴标签为 0, 1, …, n - 1。

keycallable，可选

如果不是 None，则在排序前将键函数应用于 Series 值。这类似于内置 sorted() 函数中的 key 参数，但有一个显著区别：此 key 函数应该是 向量化的。它应该接受一个 Series 并返回一个类数组。

Returns:

Series 或 None

按值排序后的 Series，如果 inplace=True 则为 None。

参见

Series.sort_index

按 Series 的索引排序。

DataFrame.sort_values

沿任一轴按值对 DataFrame 进行排序。

DataFrame.sort_index

按索引对 DataFrame 进行排序。

Examples

>>> s = pd.Series([np.nan, 1, 3, 10, 5])
>>> s
0     NaN
1     1.0
2     3.0
3     10.0
4     5.0
dtype: float64

按升序排序值（默认行为）。

>>> s.sort_values(ascending=True)
1     1.0
2     3.0
4     5.0
3    10.0
0     NaN
dtype: float64

按降序排序值。

>>> s.sort_values(ascending=False)
3    10.0
4     5.0
2     3.0
1     1.0
0     NaN
dtype: float64

排序值，将 NA 放在前面。

>>> s.sort_values(na_position='first')
0     NaN
1     1.0
2     3.0
4     5.0
3    10.0
dtype: float64

对字符串 Series 进行排序。

>>> s = pd.Series(['z', 'b', 'd', 'a', 'c'])
>>> s
0    z
1    b
2    d
3    a
4    c
dtype: object

>>> s.sort_values()
3    a
1    b
4    c
2    d
0    z
dtype: object

使用键函数进行排序。您的 key 函数将接收值的 Series 并应返回一个类数组。

>>> s = pd.Series(['a', 'B', 'c', 'D', 'e'])
>>> s.sort_values()
1    B
3    D
0    a
2    c
4    e
dtype: object
>>> s.sort_values(key=lambda x: x.str.lower())
0    a
1    B
2    c
3    D
4    e
dtype: object

NumPy ufuncs 在这里效果很好。例如，我们可以通过值的 sin 来排序。

>>> s = pd.Series([-4, -2, 0, 2, 4])
>>> s.sort_values(key=np.sin)
1   -2
4    4
2    0
0   -4
3    2
dtype: int64

可以使用更复杂的自定义函数，只要它们接受 Series 并返回类数组即可。

>>> s.sort_values(key=lambda x: (np.tan(x.cumsum())))
0   -4
3    2
4    4
1   -2
2    0
dtype: int64