pandas.DataFrame.sort_index#

DataFrame.sort_index(*, axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, ignore_index=False, key=None)[源代码][源代码]#

按标签排序对象（沿轴）。

如果 inplace 参数为 False，则返回按标签排序的新 DataFrame，否则更新原始 DataFrame 并返回 None。

参数:

轴{0 或 ‘index’, 1 或 ‘columns’}, 默认 0: 要排序的轴。值 0 表示行，1 表示列。
级别整数或级别名称或整数列表或级别名称列表: 如果不是 None，则按指定索引级别中的值排序。
升序布尔值或布尔值列表，默认值为 True: 升序排序与降序排序。当索引是 MultiIndex 时，可以分别控制每个级别的排序方向。
inplace布尔值, 默认为 False: 是否修改 DataFrame 而不是创建一个新的。
种类{‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’}, 默认 ‘quicksort’: 排序算法的选择。更多信息请参见 numpy.sort()。mergesort 和 stable 是仅有的稳定算法。对于 DataFrame，此选项仅在按单个列或标签排序时应用。
na_position{‘first’, ‘last’}, 默认 ‘last’: 如果 first，则在开头放置 NaNs；last 在末尾放置 NaNs。对于 MultiIndex 未实现。
sort_remaining布尔值, 默认为 True: 如果为真并且按级别和索引进行多级排序，则在按指定级别排序后也按其他级别（按顺序）排序。
ignore_index布尔值, 默认为 False: 如果为真，生成的轴将被标记为 0, 1, …, n - 1。
关键可调用，可选: 如果不是 None，在排序之前将键函数应用于索引值。这与内置的 sorted() 函数中的 key 参数类似，但显著的区别是这个 key 函数应该是 矢量化的。它应该期望一个 Index 并返回一个相同形状的 Index。对于 MultiIndex 输入，键是按每级应用的。

返回:

DataFrame 或 None: 按标签排序的原始 DataFrame 或如果 inplace=True 则为 None。

参见

Series.sort_index: 按索引对系列进行排序。
DataFrame.sort_values: 按值排序 DataFrame。
Series.sort_values: 按值对系列进行排序。

例子

>>> df = pd.DataFrame(
...     [1, 2, 3, 4, 5], index=[100, 29, 234, 1, 150], columns=["A"]
... )
>>> df.sort_index()
     A
1    4
29   2
100  1
150  5
234  3

默认情况下，它按升序排序，要按降序排序，请使用 ascending=False

>>> df.sort_index(ascending=False)
     A
3
5
1
 2
  4

可以指定一个关键函数，该函数在排序前应用于索引。对于 MultiIndex ，这是分别应用于每个级别的。

>>> df = pd.DataFrame({"a": [1, 2, 3, 4]}, index=["A", "b", "C", "d"])
>>> df.sort_index(key=lambda x: x.str.lower())
   a
A  1
b  2
C  3
d  4