### 对 DataFrame 某一列进行排序 在 Python 中使用 `pandas` 库可以轻松地对 DataFrame 的某一列进行排序。可以通过 `sort_values()` 方法实现这一功能，该方法允许指定按哪一列排序，并可选择升序或降序排列。 例如，创建一个包含学生姓名和分数的 DataFrame，并对“分数”列进行排序： ```python import pandas as pd # 创建 DataFrame data = { '姓名': ['张三', '李四', '王五', '赵六'], '分数': [85, 92, 78, 89] } df = pd.DataFrame(data) # 对“分数”列进行升序排序 sorted_df = df.sort_values(by='分数') print("升序排序后的DataFrame:") print(sorted_df) ``` 如果希望以降序方式排序，可以设置参数 `ascending=False`： ```python # 对“分数”列进行降序排序 sorted_df_desc = df.sort_values(by='分数', ascending=False) print("降序排序后的DataFrame:") print(sorted_df_desc) ``` 上述代码展示了如何基于单列进行排序，并支持控制排序方向[^1]。需要注意的是，原始 DataFrame 的顺序不会被修改，除非显式调用 `inplace=True` 参数。 ### 多种数据类型的列排序 若 DataFrame 包含多种数据类型的列，例如字符串、整数等，仍可对特定列（如“年龄”）执行排序操作，而不会影响其他列的数据结构： ```python # 创建包含不同类型列的 DataFrame data = { 'name': ['bangbangzhi', 'hello', 'python', 'what'], 'age': [25, 30, 35, 40], 'city': ['chengdu', 'beijing', 'shanghai', 'tianjin'] } df = pd.DataFrame(data) # 对“age”列进行升序排序 sorted_by_age = df.sort_values(by='age') print("按年龄排序后的DataFrame:") print(sorted_by_age) ``` 此方式确保仅对数值型列进行排序，同时保留其他列的信息完整[^2]。 ### 排序后索引处理 默认情况下，排序后的 DataFrame 会保留原始的行索引。若希望重置索引，可以使用 `reset_index()` 方法： ```python # 排序后重置索引 sorted_df_reset = df.sort_values(by='分数').reset_index(drop=True) print("重置索引后的DataFrame:") print(sorted_df_reset) ``` 设置 `drop=True` 可避免将旧索引保留在 DataFrame 中作为一列，从而保持输出整洁[^1]。 ---