在 Python 中，使用 `pandas` 库可以轻松地对 DataFrame 进行排序操作。针对按照索引和列进行排序的需求，主要涉及 `.sort_index()` 和 `.sort_values()` 方法。 ### 按照索引排序 `.sort_index()` 是专门用于根据行标签（index）或列标签（columns）进行排序的方法。默认情况下，它会按照行索引升序排列[^1]。 ```python import pandas as pd # 示例数据 df = pd.DataFrame({'b': [1, 2, 2, 3], 'a': [4, 3, 2, 1], 'c': [1, 3, 8, 2]}, index=[2, 0, 1, 3]) # 默认按“行标签”升序排列 sorted_by_index = df.sort_index() print(sorted_by_index) ``` 如果需要按列标签排序，则可以通过设置 `axis=1` 参数来实现[^2]。 ```python # 按“列标签”升序排列 sorted_by_columns = df.sort_index(axis=1) print(sorted_by_columns) ``` ### 按照多列或多索引排序 当需要基于多个列的值进行排序时，推荐使用 `.sort_values()` 方法。它可以指定一个列列表作为排序依据，并且每个列都可以独立设置排序方向[^3]。 ```python # 先按'b'列降序排列，相同值再按'a'列升序排列 sorted_by_multiple_columns = df.sort_values(by=['b', 'a'], ascending=[False, True]) print(sorted_by_multiple_columns) ``` ### 综合排序示例 以下是一个综合示例，展示了如何同时处理索引和列的排序需求： ```python # 创建带有自定义索引和列的数据帧 data = {'score': [95, 98, 92, 89, 82, 93], 'gender': ['M', 'F', 'M', 'M', 'F', 'M']} df_data = pd.DataFrame(data, columns=['gender', 'score'], index=["Li Lei", "Han Meimei", "Tom", "Adam", "Betty", "Curry"]) # 填充缺失值（如果有） df_data = df_data.fillna('unknown') # 按行索引升序排列 sorted_by_index_asc = df_data.sort_index(ascending=True) print("按行索引升序排列：") print(sorted_by_index_asc) # 按行索引降序排列 sorted_by_index_desc = df_data.sort_index(ascending=False) print("\n按行索引降序排列：") print(sorted_by_index_desc) # 按列标签升序排列 sorted_by_column_labels = df_data.sort_index(axis=1) print("\n按列标签升序排列：") print(sorted_by_column_labels) ``` ### 注意事项 - 推荐仅使用 `.sort_index()` 对“行标签”和“列标签”进行排序，其他类型的排序应使用 `.sort_values()`。 - 如果希望直接修改原始 DataFrame 而不是返回一个新的排序后的 DataFrame，可以将 `inplace=True` 设置为参数。 - 可以通过 `kind` 参数指定排序算法，默认是 `'quicksort'`，也可以选择 `'mergesort'` 或 `'heapsort'`。 ---