pandas.Series.sort_index # 系列。sort_index ( * , axis = 0 , level = None , ascending = True , inplace = False , kind = 'quicksort' , na_position = 'last' , sort_remaining = True , ignore_index = False , key = None ) [来源] # 按索引标签对系列进行排序。 如果inplace参数为 ,则返回按标签排序的新系列False,否则更新原始系列并返回 None。 参数: 轴{0 或“索引”}没用过。与 DataFrame 兼容所需的参数。 level整数,可选如果不是“无”,则对指定索引级别中的值进行排序。 升序布尔值或类似布尔值的列表,默认 True升序与降序排序。当索引是 MultiIndex 时,可以单独控制每个级别的排序方向。 inplace布尔值,默认 False如果为 True,则就地执行操作。 kind {'quicksort', 'mergesort', 'heapsort', 'stable'}, 默认 'quicksort'排序算法的选择。另请参阅numpy.sort()了解更多信息。 “mergesort”和“stable”是唯一稳定的算法。对于 DataFrame,此选项仅在对单个列或标签进行排序时应用。 na_position {'第一个','最后一个'},默认'最后一个'如果 'first' 将 NaN 放在开头,则 'last' 将 NaN 放在末尾。未实现多索引。 sort_remaining bool, 默认 True如果为 True 并且按级别和索引排序是多级别的,则在按指定级别排序后也按其他级别排序(按顺序)。 ignore_index bool,默认 False如果为 True,则生成的轴将标记为 0、1、...、n - 1。 键可调用,可选如果不是 None,则在排序之前将键函数应用于索引值。这与内置函数中的key参数类似sorted(),显着的区别是该key函数应该被向量化。它应该期望 an Index并返回Index相同形状的 an。 返回: 系列或无原始系列按标签排序,如果 则为“无” inplace=True。 也可以看看 DataFrame.sort_index按索引对 DataFrame 进行排序。 DataFrame.sort_values按值对 DataFrame 进行排序。 Series.sort_values按值对系列进行排序。 例子 >>> s = pd.Series(['a', 'b', 'c', 'd'], index=[3, 2, 1, 4]) >>> s.sort_index() 1 c 2 b 3 a 4 d dtype: object 降序排序 >>> s.sort_index(ascending=False) 4 d 3 a 2 b 1 c dtype: object 默认情况下 NaN 放在末尾,但使用na_position将它们放在开头 >>> s = pd.Series(['a', 'b', 'c', 'd'], index=[3, 2, 1, np.nan]) >>> s.sort_index(na_position='first') NaN d 1.0 c 2.0 b 3.0 a dtype: object 指定要排序的索引级别 >>> arrays = [np.array(['qux', 'qux', 'foo', 'foo', ... 'baz', 'baz', 'bar', 'bar']), ... np.array(['two', 'one', 'two', 'one', ... 'two', 'one', 'two', 'one'])] >>> s = pd.Series([1, 2, 3, 4, 5, 6, 7, 8], index=arrays) >>> s.sort_index(level=1) bar one 8 baz one 6 foo one 4 qux one 2 bar two 7 baz two 5 foo two 3 qux two 1 dtype: int64 按级别排序时不按剩余级别排序 >>> s.sort_index(level=1, sort_remaining=False) qux one 2 foo one 4 baz one 6 bar one 8 qux two 1 foo two 3 baz two 5 bar two 7 dtype: int64 排序前应用关键函数 >>> s = pd.Series([1, 2, 3, 4], index=['A', 'b', 'C', 'd']) >>> s.sort_index(key=lambda x : x.str.lower()) A 1 b 2 C 3 d 4 dtype: int64