欢迎来到 Pandas 数据排序实验！排序是数据分析中的一项基本操作。它有助于你组织数据，使其更易于阅读、理解和分析。无论你需要查找最高值或最低值，还是仅仅按照逻辑顺序排列数据，Pandas 都提供了强大而灵活的工具来完成这项工作。
在本实验中，你将学习如何使用 Pandas 中的主要排序方法：
sort_values()：按一个或多个列的值对 DataFrame 进行排序。sort_index()：按索引对 DataFrame 进行排序。reset_index()：在排序操作后重置索引。在本实验结束时，你将能够熟练地根据你的分析需求来排列数据。让我们开始吧！
在本步骤中，你将学习最常见的排序操作：按单列的值对 DataFrame 进行排序。我们将为此使用 sort_values() 方法。by 参数用于指定你要排序的列。
首先，使用左侧的文件浏览器打开位于 ~/project 目录下的 main.py 文件。此文件已预先填充了一个示例 DataFrame。
现在，将以下代码添加到 main.py 的末尾，以按 Age 列对 DataFrame 进行排序。
## --- Step 1: Sort by a single column ---
df_sorted_by_age = df.sort_values(by='Age')
print("\nDataFrame sorted by Age:")
print(df_sorted_by_age)你完整的 main.py 文件现在应该如下所示：
import pandas as pd
## Create a sample DataFrame for our exercises
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'Age': [25, 22, 25, 28, 22],
'Score': [85, 91, 88, 79, 91]
}
df = pd.DataFrame(data)
print("Original DataFrame:")
print(df)
## --- Step 1: Sort by a single column ---
df_sorted_by_age = df.sort_values(by='Age')
print("\nDataFrame sorted by Age:")
print(df_sorted_by_age)要查看结果，请从终端运行脚本。
python3 main.py你将看到原始 DataFrame，然后是按年龄升序排序的新 DataFrame。
预期输出：
Original DataFrame:
Name Age Score
0 Alice 25 85
1 Bob 22 91
2 Charlie 25 88
3 David 28 79
4 Eve 22 91
DataFrame sorted by Age:
Name Age Score
1 Bob 22 91
4 Eve 22 91
0 Alice 25 85
2 Charlie 25 88
3 David 28 79在本步骤中，你将学习如何根据多列对 DataFrame 进行排序。当你在一列排序中遇到相同值时，希望应用次要排序标准，这将非常有用。
要按多列排序，你需要将列名列表传递给 sort_values() 方法的 by 参数。Pandas 将首先按列表中的第一列进行排序，然后使用第二列来打破任何相同的排序，依此类推。
让我们先按 Age 再按 Score 对 DataFrame 进行排序。将以下代码添加到你的 main.py 文件的末尾。
## --- Step 2: Sort by multiple columns ---
df_sorted_multiple = df.sort_values(by=['Age', 'Score'])
print("\nDataFrame sorted by Age and then Score:")
print(df_sorted_multiple)现在，再次运行脚本以查看更改。
python3 main.py你将在输出中看到一个新部分。请注意，具有相同 Age 22 的两行现在是如何按 Score 排序的（Bob 的 91 在 Eve 的 91 之后，因为它们的顺序是稳定的）。对于具有相同 Age 25 的行也是如此。
预期输出（仅显示新部分）：
...
DataFrame sorted by Age and then Score:
Name Age Score
1 Bob 22 91
4 Eve 22 91
0 Alice 25 85
2 Charlie 25 88
3 David 28 79在本步骤中，你将学习如何控制排序方向。默认情况下，sort_values() 按升序排序。你可以通过使用 ascending 参数来更改此设置。
ascending=False 设置为 True。ascending=[True, False]。让我们按升序对 Age 进行排序，然后按降序对 Score 进行排序。这将帮助我们找到每个年龄组中得分最高的人。将以下代码添加到 main.py 的末尾。
## --- Step 3: Sort in descending and mixed order ---
df_sorted_mixed = df.sort_values(by=['Age', 'Score'], ascending=[True, False])
print("\nDataFrame sorted by Age (asc) and Score (desc):")
print(df_sorted_mixed)运行脚本以观察结果。
python3 main.py在输出中，查看年龄为 22 的行。Eve 和 Bob 的得分都是 91，因此它们的顺序可能不会改变。对于年龄为 25 的行，Charlie（得分 88）现在出现在 Alice（得分 85）之前，因为我们按降序对分数进行了排序。
预期输出（仅显示新部分）：
...
DataFrame sorted by Age (asc) and Score (desc):
Name Age Score
1 Bob 22 91
4 Eve 22 91
2 Charlie 25 88
0 Alice 25 85
3 David 28 79在本步骤中，你将学习如何按索引对 DataFrame 进行排序。执行 sort_values() 操作后，DataFrame 的索引会变得混乱。你可以在之前的输出中看到这一点（例如，索引是 1, 4, 2, 0, 3）。
sort_index() 方法允许你根据索引标签对 DataFrame 进行排序，如果索引是简单的范围，则可以恢复原始顺序。
让我们以前一个步骤的结果（df_sorted_mixed）为例，按其索引进行排序。将以下代码添加到 main.py 的末尾。
## --- Step 4: Sort by index ---
## The previous result (df_sorted_mixed) has a jumbled index. Let's sort it by index.
df_reordered_by_index = df_sorted_mixed.sort_index()
print("\nDataFrame re-sorted by index:")
print(df_reordered_by_index)运行脚本。
python3 main.py你将看到 DataFrame 现在已按其索引（0, 1, 2, 3, 4）排序，这有效地将其恢复到原始行顺序。
预期输出（仅显示新部分）：
...
DataFrame re-sorted by index:
Name Age Score
0 Alice 25 85
1 Bob 22 91
2 Charlie 25 88
3 David 28 79
4 Eve 22 91在最后一步中，你将学习如何重置 DataFrame 的索引。排序后，索引不再是从 0 开始的干净的、连续的范围。虽然 sort_index() 可以恢复原始顺序，但有时你希望保留新的排序顺序，同时拥有一个全新的、连续的索引。
reset_index() 方法非常适合此目的。它会用一个默认的整数索引（0, 1, 2, ...）替换当前索引。通常使用 drop=True 参数来完全丢弃旧索引。如果你不使用 drop=True，旧索引将被添加为一个名为 index 的新列。
让我们以前面排序的 DataFrame (df_sorted_mixed) 为例，并重置其索引。将最后一段代码添加到 main.py。
## --- Step 5: Reset index after sorting ---
## Let's take a sorted DataFrame and give it a new, clean index
df_with_reset_index = df_sorted_mixed.reset_index(drop=True)
print("\nSorted DataFrame with reset index:")
print(df_with_reset_index)最后一次运行脚本。
python3 main.py观察最终输出。DataFrame 仍然按 Age（升序）和 Score（降序）排序，但索引现在是一个从 0 到 4 的干净序列。
预期输出（仅显示新部分）：
...
Sorted DataFrame with reset index:
Name Age Score
0 Bob 22 91
1 Eve 22 91
2 Charlie 25 88
3 Alice 25 85
4 David 28 79恭喜你完成了 Pandas 排序数据实验！你已经掌握了在 Pandas DataFrame 中组织和排序数据的基本技能。
在此实验中，你练习了：
sort_values(by='column_name') 按单列排序。by 参数来按多列排序。ascending 参数控制排序方向。sort_index() 通过排序索引来恢复原始顺序。reset_index(drop=True) 在排序后的 DataFrame 上创建新的、干净的索引。这些排序技术是数据清理、探索以及为更高级的分析和可视化做准备的基础。继续练习这些技能，以提高你在数据科学旅程中的效率。
