在数据分析的工作中，我经常会遇到对数据排序的场景，比如：

• 按照销售总额对门店进行排序
• 按照日期对销售额镜像排序

如果你也遇到类似的问题，不妨接着往下看，我总结了四种排序方法，建议收藏一下，以后方便查阅。

一、List.sort()排序

sort()方法是python列表内置的方法，这个方法有个弊端：会在原来的列表上进行修改。
在数据分析的过程中，修改原数据是大忌，所以这种方法我不常用。

参数介绍：

• list.sort(key=None，reverse=False)

key：是排序的关键词

reverse：降序，默认为false，即升序排序

案例一：按照列表中的元素进行排序

amount = [10,30,20,40,50]

# 升序排序
# amount.sort()

# 降序排序
amount.sort(reverse=True)

运行结果：

[50, 40, 30, 20, 10]

案例二：按照销售额数据进行排列

这种数据很常见，因为这与读完数据库出来的数据结构很像都是：列表中包含元组，每个元组就是一条数据

# 按照元组中的第二个元素进行升序排列
amount = [("销售额",10),("销售额",30),("销售额",20),("销售额",40),("销售额",50)]
amount.sort(key=lambda x:x[1])

运行结果：

[('销售额', 10), ('销售额', 20), ('销售额', 30), ('销售额', 40), ('销售额', 50)]

按照元组中的第二个元素进行降序序排列

# 按照元组中的第二个元素进行降序序排列
amount = [("销售额",10),("销售额",30),("销售额",20),("销售额",40),("销售额",50)]
amount.sort(key=lambda x:x[1],reverse=True)

运行结果：

[('销售额', 50), ('销售额', 40), ('销售额', 30), ('销售额', 20), ('销售额', 10)]

二、sorted()排序

sorted()方法在实际工作中使用最多，它与sort()只能用在列表上不同，sorted()方法可以用在列表，元组，字典以及所有可迭代对象上。而且，sorted()不会在原来的对象上操作，会生成一个新的对象，这就很nice。

参数介绍：

• sorted(iterable,key=None,reverse=False)

iterable：可迭代的对象，list、dict、tuple

key：排序的关键元素

reverse：排序规则，reverse=True 降序，reverse=False 升序

案例一：sorted()对列表进行排序

amount = [10,30,20,40,50]

# 升序排序
# amount_new = sorted(amount)

# 降序排序
amount_new = sorted(amount,reverse=True)

运行结果：

[50, 40, 30, 20, 10]

案例二：sorted()对字典进行排序

amount = {"A部":10,"C部":30,"B部":20,"E部":40,"D部":50}

# 按照字典的值进行升序排列
# amount_new = dict(sorted(amount.items(),key=lambda x:x[1]))

# 按照字典的值进行降序排序
amount_new = dict(sorted(amount.items(),key=lambda x:x[1],reverse=True))

运行结果：

{'D部': 50, 'E部': 40, 'C部': 30, 'B部': 20, 'A部': 10}

案例三：sorted()对列表中的字典元素排序

amount = [
    {"部门":"A部","销售额":10},
    {"部门":"C部","销售额":30},
    {"部门":"B部","销售额":20},
    {"部门":"E部","销售额":40},
    {"部门":"D部","销售额":50},
]
# 按照销售额进行升序排列
# amount_new = sorted(amount,key=lambda x:x["销售额"])

# 按照销售额进行降序排列
amount_new = sorted(amount,key=lambda x:x["销售额"],reverse=True)

运行结果：

[{'部门': 'D部', '销售额': 50},
 {'部门': 'E部', '销售额': 40},
 {'部门': 'C部', '销售额': 30},
 {'部门': 'B部', '销售额': 20},
 {'部门': 'A部', '销售额': 10}]

三、pandas排序

在数据分析的工作中，pandas是我用的最多的工具，在【数据读取】-【数据分析】-【数据存储】整个过程中都有使用，而且pandas进行排序更加方便快速。

参数介绍：

• sort_values(by,ascending=True)

by：排序的字段名

ascending：ascending=True 升序，ascending=False 降序

案例一：pandas按照销售额进行排序

import numpy as np
import pandas as pd

df = pd.DataFrame(data={
    "部门":["A部","C部","B部","E部","D部"],
    "销售额":[10,30,20,40,50]
})

数据展示：

# 按照销售额升序排列
# df2 = df.sort_values(by=["销售额"])

# 按照销售额降序排列
df2 = df.sort_values(by=["销售额"],ascending=False)

运行结果：

案例二：官方案例S操作

df = pd.DataFrame({
    'col1': ['A', 'A', 'B', np.nan, 'D', 'C'],
    'col2': [2, 1, 9, 8, 7, 4],
    'col3': [0, 1, 9, 4, 2, 3],
    'col4': ['a', 'B', 'c', 'D', 'e', 'F']
})

• nan值【空值】，排序的时候放在第一位

# nan值【空值】，排序的时候放在第一位
df2 = df.sort_values(by='col1', ascending=False, na_position='first')

运行结果：

• 按照某一列字母小写排序

# 按照某一列字母小写排序
df2 = df.sort_values(by='col4',key=lambda x:x.str.lower())

源码地址

链接：https://pan.baidu.com/s/1ovfLWgJ7_FxXsOqjH0uXhA?pwd=ck1h
提取码：ck1h