python - 如何按两列或多列对python pandas中的dataFrame进行排序？

从 0.17.0 版本开始，sort 方法已被弃用，取而代之的是 sort_values。 sort 在 0.20.0 版本中被完全删除。论点（和结果）保持不变：

df.sort_values(['a', 'b'], ascending=[True, False])

您可以使用 sort 的升序参数：

df.sort(['a', 'b'], ascending=[True, False])

例如：

In [11]: df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])

In [12]: df1.sort(['a', 'b'], ascending=[True, False])
Out[12]:
   a  b
2  1  4
7  1  3
1  1  2
3  1  2
4  3  2
6  4  4
0  4  3
9  4  3
5  4  1
8  4  1

正如@renadeen 评论的那样

默认情况下没有排序！因此，您应该将排序方法的结果分配给变量或将 inplace=True 添加到方法调用中。

也就是说，如果你想重用 df1 作为排序的 DataFrame：

df1 = df1.sort(['a', 'b'], ascending=[True, False])

或者

df1.sort(['a', 'b'], ascending=[True, False], inplace=True)

---

从 pandas 0.17.0 开始，DataFrame.sort() 已弃用，并设置为在 pandas 的未来版本中删除。现在按值对数据框进行排序的方法是 DataFrame.sort_values

因此，您的问题的答案现在是

df.sort_values(['b', 'c'], ascending=[True, False], inplace=True)

---

对于数值数据的大型数据帧，您可能会通过 numpy.lexsort 看到显着的性能改进，它使用一系列键执行间接排序：

import pandas as pd
import numpy as np

np.random.seed(0)

df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])
df1 = pd.concat([df1]*100000)

def pdsort(df1):
    return df1.sort_values(['a', 'b'], ascending=[True, False])

def lex(df1):
    arr = df1.values
    return pd.DataFrame(arr[np.lexsort((-arr[:, 1], arr[:, 0]))])

assert (pdsort(df1).values == lex(df1).values).all()

%timeit pdsort(df1)  # 193 ms per loop
%timeit lex(df1)     # 143 ms per loop

一个特点是用 numpy.lexsort 定义的排序顺序是相反的：(-'b', 'a') 首先按系列 a 排序。我们否定系列 b 以反映我们希望这个系列按降序排列。

请注意，np.lexsort 仅使用数值排序，而 pd.DataFrame.sort_values 使用字符串或数值。将 np.lexsort 与字符串一起使用将给出：TypeError: bad operand type for unary -: 'str'。

---