pandas 中的 sort_values 函数类似于 SQL 中的 order by，可以将数据集依据特定的字段进行排序。

可根据列数据，也可以根据行数据排序。

一、介绍

使用语法为：

df.sort_values(by='xxx', axis=0, ascending=True, inplace=False,
              kind='quicksort', na_position='last', ignore_index=False, key=None)

参数：

by -- 指定列名（axis=0或者'index'）或索引值（axis=1或者'columns'）
axis -- 按行、按列，默认axis=0按指定列排序
ascending -- 是否升序 默认为True
inplace -- 是否修改原对象
kind -- 排序算法 快排quicksort、归并mergesort、堆排序heapsort、稳定排序stable，默认快排
na_position -- {'first', 'last'} 设定缺失值的显示位置
ignore_index -- 排序后是否重置索引
key -- 排序之前使用的函数 （version 1.1.0 后才有该参数）

二、实操

• 构建测试数据集

# 构建测试数据集
import numpy as np
import pandas as pd
df = pd.DataFrame({'col1':['A','A','B',np.nan,'D','C'],
                   'col2':[2,1,9,8,7,7],
                   'col3':[0,1,2,9,4,8]})
print(df)
'''
  col1  col2  col3
0    A     2     0
1    A     1     1
2    B     9     2
3  NaN     8     9
4    D     7     4
5    C     7     8
'''

• 按列排序

# 依据第一列排序 并将该列空值放在首位
df.sort_values(by='col1', na_position='first')

# 依据第二、三列倒序
df.sort_values(by=['col2', 'col3'], ascending=False)

# 替换原数据
df.sort_values(by='col1', inplace=True)

• 按行排序

# 按照索引值为0的行 即第一行的值来降序
x = pd.DataFrame({'x1':[1,2,2,3],
                  'x2':[4,3,2,1],
                  'x3':[3,2,4,1]})
print(x)
x.sort_values(by=0, ascending=False, axis=1)
'''
   x2  x3  x1
0   4   3   1
1   3   2   2
2   2   4   2
3   1   1   3
'''

• 多列顺序

# 按第一列降序 第二列升序排列
df.sort_values(by=['col1', 'col2'], ascending=[False, True])

• 索引重置

df.sort_values(by='col1', ignore_index=True)

• key参数解释

data1 = pd.DataFrame({
    'col1': [2, 1, 9, 8, 7, 4],
    'col2': [0, 1, 9, 4, 2, 3],
    'col3': ['a', 'e', 'F', 'B', 'c', 'D']
})
print(data1)
'''
   col1  col2 col3
0     2     0    a
1     1     1    e
2     9     9    F
3     8     4    B
4     7     2    c
5     4     3    D
'''

# 默认字母排序 ASCII码
data1.sort_values(by='col3') 

# 先转换为小写字母再排序
data1.sort_values(by='col3', key=lambda x: x.str.lower())

参考链接：Pandas之排序函数sort_values()

参考链接：pandas中sort_values()使用

参考链接：图解pandas的排序sort_values机制

参考链接：pandas.DataFrame.sort_values