case1——对有限类型的字段按指定要求排序：

#学历分布
xueli_ts=df.pivot_table(index='学历',values='教师id',aggfunc='count',margins=True,margins_name='总计')
xueli_ts['占比']=np.round(xueli_ts['教师id']/xueli_ts.loc['总计','教师id'],2)
xueli_ts.reset_index(inplace=True)

xueli_ts['学历']=xueli_ts['学历'].astype('category')

list_xueli=['未知','专科','本科','硕士','博士','总计']
xueli_ts['学历'].cat.reorder_categories(list_xueli,inplace=True)
xueli_ts.sort_values('学历',inplace=True)
xueli_ts.set_index('学历',inplace=True)
print(xueli_ts)

输出结果为：

 

• reorder_catgories（）方法使用时要求新的categories和dataframe中的categories的元素个数和内容必须一致，只是顺序不同。

case2——若指定的list所包含元素比Dataframe中需要排序的列的元素多，怎么办？

可以使用 set_categories()方法来实现。新的list可以比dataframe中元素多。

 case3——若指定的list所包含元素比Dataframe中需要排序的列的元素少，怎么办？

• 这种情况下，set_categories()方法还是可以使用的，只是没有的元素会以NaN表示

注意下面的list中没有元素“b”

 

总结

根据指定的list所包含元素比Dataframe中需要排序的列的元素的多或少，可以分为三种情况：

• 相等的情况下，可以使用 reorder_categories和 set_categories方法；
• list的元素比较多的情况下， 可以使用set_categories方法；
• list的元素比较少的情况下， 也可以使用set_categories方法，但list中没有的元素会在DataFrame中以NaN表示。