python數據排序

❶ python中對組合數據類型x進行排序的內置函數是

python有兩個內置的函數用於實現排序，一個是list.sort()函數，一個是sorted()函數。
區別1：list.sort()函數只能處理list類型數據的排序；sorted()則可以處理多種類型數據的排序。
區別2：list.sort()會修改原來的list為排序後的結果；sorted()不會修改原來的數據，只是返回一個排序後的對象。
下面來動手寫點代碼進行測試：
list進行簡單的排序
1 >>>a=['a','f','c','x','e']2 >>>a.sort()3 >>>a4 [a','c','e','f','x']
sorted()進行簡單排序
1 >>>a=['a','f','c','x','e']2 >>>a_new=sorted(a)3 >>>a_new4 ['a', 'c', 'e', 'f', 'x']
list.sort()和sorted都有默認的參數reverse，該參數的默認值為「False」，即默認升序排列。如果要進行降序排列：
1 >>>a=['a','f','c','x','e']2 >>>a_new=sorted(a,reverse=True)3 >>>a_new4 ['x', 'f', 'e', 'c', 'a']
對元組進行排列，不能使用list.sort()函數:
1 >>>a=('a','f','c','x','e')2 >>>a_new=a.sort()3
4 ttributeError: 'tuple' object has no attribute 'sort'
對字典的排序可以按照字典的key或者value進行排序:
1 >>>dic={"aa":11,"ff":5,"ee":22}2 >>>printsorted(dic.keys())3 ['aa', 'ee', 'ff']
從python2.4開始list.sort()和sorted()都引入了key參數來指定一個函數進行排序，有了key參數以後我們就可以對更加復雜的數據進行排序 。
假如需要排序的數據為一個list，但list的每一個元素都是一個字典，排序的方法如下：
>>>dic=[{"name":"sunny","age":20},
{"name":"bell","age":5},
{"name":"jim","age":1},
{"name":"jan","age":10}]>>>print sorted(dic,key=lambda arg:arg.get('age'),reverse=False) #按照每個字典的age的值進行排序，字典的方法dict.get(key)將返回指定鍵的值。
#輸出結果為：[{'age': 1, 'name': 'jim'}, {'age': 5, 'name': 'bell'}, {'age': 10, 'name': 'jan'}, {'age': 20, 'name': 'sunny'}]
>>>print sorted(dic,key=lambda arg:arg.get('name'),reverse=False) #按照每個字典的name的值進行排序
#輸出結果為：[{'age': 5, 'name': 'bell'}, {'age': 10, 'name': 'jan'}, {'age': 1, 'name': 'jim'}, {'age': 20, 'name': 'sunny'}]
假如需要排序的數據為一個二維的list，即list的每一個元素也是一個list，方法與上面的例子類似：
>>>a=[['100','8','30'],['200','5','50'],['300','1','20']]>>>print sorted(a,key=lambda arg:arg[1]) #按照每個list的第1個元素進行排序
[['300', '1', '20'], ['200', '5', '50'], ['100', '8', '30']]
前面的2個例子中，key參數的值都是函數。在sorted函數中，key參數後面的函數的參數的數量只能是一個。lambda arg:arg.get('age')是一個lambda匿名函數，它是一個沒有函數名的單語句函數。冒號左邊是參數，冒號右邊的返回值，返回值將被用於排序。

❷ python數據同時排序

Python列表具有內置的 list.sort()方法，可以在原地修改列表。 還有一個 sorted()內置的函數從迭代構建一個新的排序列表。在本文中，我們將探討使用Python排序數據的各種技術。

請注意，sort()原始數據被破壞，sorted()沒有對原始數據進行操作，而是新建了一個新數據。

一、基本的排序

最基本的排序很簡單。只要使用sorted()函數即可返回一個 新的排序的列表

>>>sorted([5, 2, 3, 1, 4])

[1, 2, 3, 4, 5]

咱們也可以使用 list.sort()方法。該方法是對列表list進行的原地操作(原數據被修改，已經不是原來的本來面目)。一般情況下，不如使用 sorted()方便，但是如果你不需要原列表list，使用 sort()會更具效率。

>>>a = [5, 2, 3, 1, 4]

>>>a.sort()

>>>a #a發生改變

[1, 2, 3, 4, 5]

另一個不同點， list.sort()方法只能應用於列表對象數據。而 sorted()卻可以對任何可迭代對象進行排序。也就是說sorted()更具有普遍使用性。這里大燈建議初學者使用sorted()。

二、Key參數函數

list.sort()和 sorted()都有key參數，可以指定函數來對元素進行排序。

例如，這里我們使用一個字元串(字元串也是可迭代對象)

>>>sorted("This is a test string from Andrew".split(), key=str.lower)

❸ python中pandas使用技巧之——【2】排序sort_index、sort_values、rank方法

在Python的數據分析工具pandas中，掌握排序技巧能大幅提高工作效率。本文將深入解析sort_index、sort_values和rank這三個常用方法，旨在幫助你在數據處理中游刃有餘。首先，我們來看一下這三個方法的基本介紹：

1. sort_index()：這個函數根據數據的索引進行排序，它的核心參數包括但不限於index的排序依據。

2. sort_values()：顧名思義，它是根據DataFrame中的數據值進行排序，提供了豐富的參數選項，如指定排序列、排序方式（升序或降序）等。

3. rank()：這個方法返回排序後的序號，支持多種排名規則，如平均值（average）、最大值（max）、最小值（min）、按出現順序（first，類似SQL的row_number）以及密集排名（dense，類似SQL的dense_rank），僅適用於數值型數據。

接下來，我們將通過實例演示如何在實踐中使用這些方法：

• sort_index()的排序操作


• sort_values()的實際應用


• rank()函數的靈活運用

掌握這些排序技巧，無論是數據預處理還是數據分析，都將讓你在Python的pandas世界中如魚得水。趕快動手實踐，提升你的數據分析技能吧！

❹ Python利用pandas對數據進行特定排序

背景：在處理Hive表存儲大小時，需對每個表的大小進行排序。通過命令獲取的數據表大小，為直觀大小，如1.1T、1.9G、49.6M。需對表根據存儲大小降序排列。

環境：演示使用10行數據，真實情況有幾萬個表。

函數：pandas.DataFrame.sort_values。

參數詳解：

• by：指定排序的欄位，可為單個或多個欄位。


• axis：排序方向，「0」表示行向排序，「1」表示列向排序，默認為「0」。


• ascending：排序順序，True為升序，False為降序，需與by參數對應。


• inplace：是否原地更新數據，默認為False，返回新數據框。


• kind：排序演算法，如『quicksort』、『mergesort』、『heapsort』、『stable』，默認為『quicksort』。


• na_position：指定NaN的排序位置，'first'或'last'，默認為'last'。


• ignore_index：是否忽略數據索引，默認為False。


• key：排序前使用的函數，需矢量化，傳入參數為Series，返回結果也為Series。

官方文檔：pandas.pydata.org/docs/...

案例完整演示：

本文介紹如何使用Python的pandas庫對特定數據進行排序，具體內容請訪問鏈接：blog.csdn.net/zhangting...