我在这里遇到一些问题，在我的python包中，我已经安装了numpy，但是我仍然遇到此错误'DataFrame'对象没有属性'sort'

任何人都可以给我一些想法。

这是我的代码：

final.loc[-1] =['', 'P','Actual']
final.index = final.index + 1  # shifting index
final = final.sort()
final.columns=[final.columns,final.iloc[0]]
final = final.iloc[1:].reset_index(drop=True)
final.columns.names = (None, None)

sort() 不推荐使用DataFrames，而采用以下任何一种方法：

• sort_values()到由列排序（S）
• sort_index()要通过索引排序

sort()在Pandas中已弃用（但仍可用）版本0.17（2015-10-09），并引入sort_values()和sort_index()。它已从0.20版（2017-05-05）的Pandas中删除。

熊猫排序101

sort已经在v0.20替换DataFrame.sort_values和DataFrame.sort_index。除此之外，我们还有argsort。

以下是一些常见的排序用例，以及如何使用当前API中的排序功能解决它们。首先，设置。

# Setup
np.random.seed(0)
df = pd.DataFrame({'A': list('accab'), 'B': np.random.choice(10, 5)})    
df                                                                                                                                        
   A  B
0  a  7
1  c  9
2  c  3
3  a  5
4  b  2

按单列排序

例如，要按df列“ A” 排序，请使用sort_values单个列名：

df.sort_values(by='A')

   A  B
0  a  7
3  a  5
4  b  2
1  c  9
2  c  3

如果您需要新的RangeIndex，请使用DataFrame.reset_index。

按多列排序

例如，通过排序两个关口“A”和“B”中df，你可以通过一个列表sort_values：

df.sort_values(by=['A', 'B'])

   A  B
3  a  5
0  a  7
4  b  2
2  c  3
1  c  9

按DataFrame索引排序

df2 = df.sample(frac=1)
df2

   A  B
1  c  9
0  a  7
2  c  3
3  a  5
4  b  2

您可以使用sort_index：

df2.sort_index()

   A  B
0  a  7
1  c  9
2  c  3
3  a  5
4  b  2

df.equals(df2)                                                                                                                            
# False
df.equals(df2.sort_index())                                                                                                               
# True

以下是一些可比较的方法及其性能：

%timeit df2.sort_index()                                                                                                                  
%timeit df2.iloc[df2.index.argsort()]                                                                                                     
%timeit df2.reindex(np.sort(df2.index))                                                                                                   

605 µs ± 13.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
610 µs ± 24.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
581 µs ± 7.63 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

按指数列表排序

例如，

idx = df2.index.argsort()
idx
# array([0, 7, 2, 3, 9, 4, 5, 6, 8, 1])

这个“排序”问题实际上是一个简单的索引问题。仅传递整数标签即可iloc。

df.iloc[idx]

   A  B
1  c  9
0  a  7
2  c  3
3  a  5
4  b  2