¿Cómo ordenar un DataFrame de Pandas por varias columnas en Python?

La clasificación es una de las operaciones realizadas en el marco de datos en función de requisitos condicionales. Podemos ordenar el marco de datos alfabéticamente y también en orden numérico. En este artículo, veremos cómo ordenar Pandas Dataframe por varias columnas. 

Método 1: Usar el método sort_values()

Sintaxis: df_name.sort_values(por column_name, axis=0, ascendente=True, inplace=False, kind=’quicksort’, na_position=’last’, ignore_index=False, key=Ninguno)

Parámetros:

por: nombre de la lista o columna por la que debe ordenarse

eje: eje a ordenar. (0 o ‘eje’ 1 o ‘columna’) por defecto es 0. (número de columna)

ascendente: Clasificación ascendente o descendente. Especifique listas de valores booleanos para varios órdenes de clasificación. La lista de valores booleanos debe coincidir con el no. de valores de ‘por’, es decir, column_names. Por defecto es verdadero.

inplace: Por defecto es falso. pero si su valor es verdadero, realiza la operación en el lugar, es decir, en el lugar adecuado.

tipo: Elección del algoritmo de clasificación como clasificación rápida. ordenar por combinación, ordenar por montón. por defecto es ordenación rápida.

Ordenar un marco de datos:

• Módulo de importación.
• Crear un marco de datos.
• Ahora, ordene un DataFrame usando la sintaxis anterior.

Creación de un marco de datos:

#import libraries
import numpy as np
import pandas as pd
 
# creating a dataframe
df = pd.DataFrame({'Name': ['Raj', 'Akhil', 'Sonum', 'Tilak', 'Divya', 'Megha'],
                   'Age': [20, 22, 21, 19, 17, 23],
                   'Rank': [1, np.nan, 8, 9, 4, np.nan]})
 
# printing the dataframe
print('DATAFRAME')
df

Producción:

Ejemplo 1:

# using the sorting function
print('SORTED DATAFRAME')
df.sort_values(by=['Age'], ascending=False)

Producción:

En el ejemplo anterior, el valor ascendente es falso, por lo que DataFrame se clasifica en orden descendente.

Ejemplo 2:

print('SORTED DATAFRAME')
df.sort_values(by = ['Rank', 'Age'], ascending = [True, False], na_position = 'first')

Producción:

En el ejemplo anterior, el marco de datos se ordena de acuerdo con la columna ‘Clasificación’ y los valores nan se colocan en primer lugar.

Ejemplo 3:

print('SORTED DATAFRAME')
df.sort_values(by = ['Name', 'Rank'], axis=0, ascending=[False, True], inplace=False,
               kind='quicksort', na_position='first', ignore_index=True, key=None)

Producción:

En el ejemplo anterior, el marco de datos se ordena según la columna ‘Clasificación’, pero el número de índice comienza con 0 porque le hemos dado el parámetro ‘ignore_index = True’. En otros ejemplos, el índice está desordenado porque no hemos proporcionado el parámetro ‘ignore_index’.

Método 2: Usar el método sort_index()

Sintaxis:

df_name.sort_index(axis=0, level=Ninguno, ascendente=True, inplace=False, kind=’quicksort’, na_position=’last’, sort_remaining=True, ignore_index=False, key=Ninguna)

Ejemplo 1: uso del marco de datos creado anteriormente

print('SORTED DATAFRAME')
df.sort_index(ascending=False)

Producción:

El índice del DataFrame está en orden descendente porque el valor del parámetro ascendente es False. El DataFrame se ordena por orden de índice.

Ejemplo 2:

print('SORTED DATAFRAME')
df.sort_index(axis=1, ascending=False)

Producción: