Pandas DataFrame中两种排序函数的使用

import pandas as pd
import numpy as np
# 构建示例数据（学生成绩）
data = {
    "姓名": ["小明", "小红", "小刚", "小丽", "小强"],
    "班级": ["1班", "2班", "1班", "2班", "1班"],
    "数学": [85, 92, 78, 90, np.nan],  # 含缺失值
    "语文": [92, 88, 80, 85, 90]
}
df = pd.DataFrame(data, index=["stu01", "stu02", "stu03", "stu04", "stu05"])
print("原始DataFrame：")
print(df)
# 1.1 按「数学」列升序排序（默认）
df_sort_math_asc = df.sort_values(by="数学")
print("\n按数学升序排序（缺失值放最后）：")
print(df_sort_math_asc)
# 1.2 按「数学」列降序排序，缺失值放最前
df_sort_math_desc = df.sort_values(by="数学", ascending=False, na_position="first")
print("\n按数学降序排序（缺失值放最前）：")
print(df_sort_math_desc)
# 1.3 原地排序（修改原DataFrame）+ 重置行索引
df.sort_values(by="语文", ascending=False, inplace=True, ignore_index=True)
print("\n按语文降序原地排序（重置索引）：")
print(df)

import pandas as pd
# 重置示例数据
data = {
    "姓名": ["小明", "小红", "小刚", "小丽", "小强", "小芳"],
    "班级": ["1班", "2班", "1班", "2班", "1班", "2班"],
    "数学": [85, 92, 85, 90, 88, 92],
    "语文": [92, 88, 80, 85, 90, 82]
}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)
# 2.1 先按「班级」升序，再按「数学」降序排序
df_sort_multi = df.sort_values(
    by=["班级", "数学"],  # 排序列（先班级，后数学）
    ascending=[True, False]  # 对应列的排序方向（班级升序，数学降序）
)
print("\n按班级升序、数学降序排序：")
print(df_sort_multi)
# 2.2 多列排序+重置索引
df_sort_multi_reset = df.sort_values(
    by=["班级", "语文"],
    ascending=[True, True],
    ignore_index=True
)
print("\n按班级升序、语文升序排序（重置索引）：")
print(df_sort_multi_reset)

import pandas as pd
data = {
    "姓名": ["张三", "李四", "王五", "赵六", "钱七"],
    "城市": ["北京", "上海", "广州", "深圳", "北京"],
    "分数": [85, 92, 78, 90, 88]
}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)
# 3.1 按「姓名」字符串排序（汉字拼音顺序）
df_sort_name = df.sort_values(by="姓名")
print("\n按姓名字符串排序：")
print(df_sort_name)
# 3.2 按「城市」升序，再按「分数」降序
df_sort_city_score = df.sort_values(by=["城市", "分数"], ascending=[True, False])
print("\n按城市升序、分数降序排序：")
print(df_sort_city_score)
# 3.3 按字符串长度排序（需自定义key）
df["姓名长度"] = df["姓名"].str.len()
df_sort_len = df.sort_values(by="姓名长度")
print("\n按姓名长度排序：")
print(df_sort_len)

import pandas as pd
# 构建带自定义行索引的DataFrame
data = {
    "数学": [85, 92, 78, 90],
    "语文": [92, 88, 80, 85]
}
df = pd.DataFrame(data, index=["stu03", "stu01", "stu04", "stu02"])
print("原始DataFrame（行索引混乱）：")
print(df)
# 1.1 按行索引升序排序（默认）
df_sort_idx_asc = df.sort_index()
print("\n按行索引升序排序：")
print(df_sort_idx_asc)
# 1.2 按行索引降序排序
df_sort_idx_desc = df.sort_index(ascending=False)
print("\n按行索引降序排序：")
print(df_sort_idx_desc)

import pandas as pd
# 构建列名混乱的DataFrame
data = {
    "语文": [92, 88, 80],
    "班级": ["1班", "2班", "1班"],
    "数学": [85, 92, 78],
    "姓名": ["小明", "小红", "小刚"]
}
df = pd.DataFrame(data)
print("原始DataFrame（列名混乱）：")
print(df)
# 按列名升序排序（axis=1）
df_sort_cols = df.sort_index(axis=1)
print("\n按列名升序排序：")
print(df_sort_cols)
# 按列名降序排序
df_sort_cols_desc = df.sort_index(axis=1, ascending=False)
print("\n按列名降序排序：")
print(df_sort_cols_desc)

import pandas as pd
import numpy as np
data = {
    "姓名": ["Alice", "Bob", "Charlie", "David"],
    "分数": [85, -92, 78, -90],
    "等级": ["B", "A", "C", "A"]
}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)
# 1.1 按分数的绝对值降序排序
df_sort_abs = df.sort_values(by="分数", key=lambda x: x.abs(), ascending=False)
print("\n按分数绝对值降序排序：")
print(df_sort_abs)
# 1.2 按姓名首字母小写排序
df_sort_name_lower = df.sort_values(by="姓名", key=lambda x: x.str.lower())
print("\n按姓名首字母小写排序：")
print(df_sort_name_lower)
# 1.3 按自定义等级规则排序（A>B>C）
grade_order = {"A": 1, "B": 2, "C": 3}
df_sort_grade = df.sort_values(by="等级", key=lambda x: x.map(grade_order))
print("\n按等级规则（A>B>C）排序：")
print(df_sort_grade)

import pandas as pd
# 构建每行是学生、每列是科目的DataFrame
data = {
    "数学": [85, 92, 78],
    "语文": [92, 88, 80],
    "英语": [88, 90, 85]
}
df = pd.DataFrame(data, index=["小明", "小红", "小刚"])
print("原始DataFrame（每行是学生，每列是科目）：")
print(df)
# 按每行的值降序排序（横向排序，即每个学生的科目按分数从高到低排）
df_sort_row = df.apply(lambda x: x.sort_values(ascending=False).values, axis=1)
# 重置列名（保持原列名顺序，仅值排序）
df_sort_row.columns = df.columns
print("\n按每行分数降序排序（横向）：")
print(df_sort_row)

import pandas as pd
data = {
    "班级": ["1班", "1班", "2班", "2班", "1班"],
    "数学": [85, 92, 78, 90, 88],
    "姓名": ["小明", "小红", "小刚", "小丽", "小强"]
}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)
# 按班级分组，保留每个班级数学分数最高的学生
# 步骤1：按班级升序、数学降序排序
df_sort = df.sort_values(by=["班级", "数学"], ascending=[True, False])
# 步骤2：按班级去重，保留第一个（即分数最高的）
df_top1 = df_sort.drop_duplicates(subset=["班级"], keep="first")
print("\n每个班级数学最高分学生：")
print(df_top1)

import pandas as pd
import numpy as np
# 构建日期索引混乱的温度数据
dates = pd.date_range("2026-01-01", periods=5)
np.random.shuffle(dates)  # 打乱日期
data = {
    "温度": np.random.normal(5, 3, 5).round(1),
    "湿度": np.random.uniform(30, 80, 5).round(1)
}
df = pd.DataFrame(data, index=dates)
print("原始时间序列数据（日期混乱）：")
print(df)
# 按日期索引升序排序（恢复时间顺序）
df_sort_date = df.sort_index()
print("\n按日期升序排序：")
print(df_sort_date)
# 按温度降序排序，保留日期索引
df_sort_temp = df.sort_values(by="温度", ascending=False)
print("\n按温度降序排序：")
print(df_sort_temp)