用法：

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', ignore_index=False, key=None)

参数讲解：

• by:要排序的名称或名称列表。(如果轴为 0 或“索引”，则 by 可能包含索引级别或列标签。如果轴为 1 或“列”，则 by 可能包含列级别或索引标签。
• axis:要排序的轴。若axis=0或'index'，则按照指定列中数据大小排序；若axis=1或'columns'，则按照指定索引中数据大小排序，默认axis=0
• ascending:bool或bool的列表，默认为True，即为升序排列。 为多个排序顺序指定列表。如果这是一个布尔值列表，则必须匹配by的长度。
• inplace：是否用排序后的数据集替换原来的数据，默认为False，即不替换。
• kind： 排序算法的选择。对于DataFrames，此选项仅在对单个列或标签排序时应用。
• na_position：如果是第一个，则将NaNs放在开头;如果是最后一个，把NaNs放在最后。
• ignore_index:如果为True，则结果轴将被标记为0,1，，n - 1。
• key:在排序之前对值应用键函数。这类似于内置sorted()函数中的key参数，显著的区别是这个key函数应该是向量化的。它应该期望一个Series，并返回一个与输入具有相同形状的Series。它将被独立地应用到每一列。      

 (看不懂没关系 下面有例子)

Example：

定义一个df

import pandas as pd
import numpy as np
df = pd.DataFrame({
    'col1': ['A', 'A', 'B', np.nan, 'D', 'C'],
    'col2': [2, 1, 9, 8, 7, 4],
    'col3': [0, 1, 9, 4, 2, 3],
    'col4': ['a', 'B', 'c', 'D', 'e', 'F']
})
#定义一个df

result： 

example:

简单的升序降序

print(df.sort_values(by=['col1']))  #按照col1列进行升序(默认的)排列
print('\n')
print(df.sort_values(by='col1', ascending=False))  ##按照col1列进行降序排列
print('\n')

result: 

example:

多列排序

print(df.sort_values(by=['col1', 'col2'])) #多列排序。按照col1、col2进行

result: 

 

example&result：

涉及NaN和key

>>> df.sort_values(by='col1', ascending=False, na_position='first')  #把NaN放在第一个
  col1  col2  col3 col4
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F
2    B     9     9    c
0    A     2     0    a
1    A     1     1    B
>>> df.sort_values(by='col4', key=lambda col: col.str.lower())   ##按照col4进行升序排列，并将 
                                                                   col4中字符串所有大写字符转 
                                                                    化为小写。
  col1  col2  col3 col4
0    A     2     0    a
1    A     1     1    B
2    B     9     9    c
3  NaN     8     4    D
4    D     7     2    e
5    C     4     3    F

pandas.DataFrame.sort_values — pandas 1.4.1 documentation