TimeSeriesDataFrame.sort_index¶

TimeSeriesDataFrame.sort_index(*args, **kwargs) → TimeSeriesDataFrame[source]¶

按标签（沿轴线）对对象进行排序。

如果 inplace 参数为 False，则返回按标签排序的新 DataFrame，否则更新原始 DataFrame 并返回 None。

参数：

axis ({0 或 'index', 1 或 'columns'}, 默认 0) – 用于排序的轴线。值 0 表示行，1 表示列。
level (int 或 级别名称 或 int 列表 或 级别名称列表) – 如果不为 None，则按指定索引级别中的值进行排序。
ascending (bool 或 bool 的列表状对象, 默认 True) – 升序还是降序排序。当索引为 MultiIndex 时，可以单独控制每个级别的排序方向。
inplace (bool, 默认 False) – 是否修改 DataFrame 而不是创建新的。
kind ({'quicksort', 'mergesort', 'heapsort', 'stable'}, 默认 'quicksort') – 排序算法的选择。更多信息请参见 numpy.sort()。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 ({'first', 'last'}, 默认 'last') – 如果是 first，则将 NaNs 放在开头；如果是 last，则将 NaNs 放在末尾。对 MultiIndex 未实现。
sort_remaining (bool, 默认 True) – 如果为 True 且按级别排序且索引是多级别的，则在按指定级别排序后也按其他级别（按顺序）进行排序。
ignore_index (bool, 默认 False) – 如果为 True，则结果轴将被标记为 0, 1, …, n - 1。
key (callable, 可选) – 如果不为 None，则在排序前将 key 函数应用于索引值。这类似于内置函数 sorted() 中的 key 参数，但有一个显着区别是此 key 函数应是向量化的。它应该期望接收一个 Index 并返回一个具有相同形状的 Index。对于 MultiIndex 输入，key 函数应用于每个级别。

返回：

按标签排序后的原始 DataFrame 或 None（如果 inplace=True）。

返回类型：

DataFrame 或 None

另请参阅

Series.sort_index: 按索引对 Series 进行排序。
DataFrame.sort_values: 按值对 DataFrame 进行排序。
Series.sort_values: 按值对 Series 进行排序。

示例

>>> df = pd.DataFrame([1, 2, 3, 4, 5], index=[100, 29, 234, 1, 150],
...                   columns=['A'])
>>> df.sort_index()
     A
1    4
29   2
100  1
150  5
234  3

默认情况下按升序排序，要按降序排序，请使用 ascending=False

>>> df.sort_index(ascending=False)
     A
3
5
1
 2
  4

可以指定一个 key 函数，该函数在排序前应用于索引。对于 MultiIndex，该函数分别应用于每个级别。

>>> df = pd.DataFrame({"a": [1, 2, 3, 4]}, index=['A', 'b', 'C', 'd'])
>>> df.sort_index(key=lambda x: x.str.lower())
   a
A  1
b  2
C  3
d  4