如何按两列或更多列对python pandas中的dataFrame进行排序？

假设我有一个数据列a，其中包含，b和c，我想b按升序按列对数据帧进行排序，然后按c降序按列对数据帧进行排序，我该怎么做？

从0.17.0版本开始，sort不推荐使用该方法，而推荐使用sort_values。 sort在0.20.0版本中被完全删除。参数（和结果）保持不变：

df.sort_values(['a', 'b'], ascending=[True, False])

您可以使用的升序参数sort：

df.sort(['a', 'b'], ascending=[True, False])

例如：

In [11]: df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])

In [12]: df1.sort(['a', 'b'], ascending=[True, False])
Out[12]:
   a  b
2  1  4
7  1  3
1  1  2
3  1  2
4  3  2
6  4  4
0  4  3
9  4  3
5  4  1
8  4  1

正如@renadeen所评论

默认情况下，排序不正确！因此，您应该将sort方法的结果分配给变量，或者将inplace = True添加到方法调用中。

也就是说，如果您想将df1用作已排序的DataFrame：

df1 = df1.sort(['a', 'b'], ascending=[True, False])

要么

df1.sort(['a', 'b'], ascending=[True, False], inplace=True)

从熊猫0.17.0开始，DataFrame.sort()已弃用该熊猫，并将其设置为在以后的熊猫版本中将其删除。现在，按值对数据框进行排序的方法是DataFrame.sort_values

因此，您问题的答案现在是

df.sort_values(['b', 'c'], ascending=[True, False], inplace=True)

对于数字数据的大型数据框，您可能会通过看到显着的性能改进numpy.lexsort，该方法使用一系列键执行间接排序：

import pandas as pd
import numpy as np

np.random.seed(0)

df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])
df1 = pd.concat([df1]*100000)

def pdsort(df1):
    return df1.sort_values(['a', 'b'], ascending=[True, False])

def lex(df1):
    arr = df1.values
    return pd.DataFrame(arr[np.lexsort((-arr[:, 1], arr[:, 0]))])

assert (pdsort(df1).values == lex(df1).values).all()

%timeit pdsort(df1)  # 193 ms per loop
%timeit lex(df1)     # 143 ms per loop

一个特殊之处是定义的排序顺序numpy.lexsort颠倒了：首先(-'b', 'a')按系列排序a。我们否定级数b以反映我们希望该级数降序排列。

请注意，np.lexsort仅使用数字值排序，而同时pd.DataFrame.sort_values使用字符串或数字值。np.lexsort与字符串一起使用将给出：TypeError: bad operand type for unary -: 'str'。