排序是一種索引機制的一種常見的操作方法，也是Pandas重要的內置運算，主要包括以下3種方法：
| 排序方法 | 說明 |
|---|---|
| sort_values() | 根據某一列的值進行排序 |
| sort_index() | 根據索引進行排序 |
| 隨機重排 | 詳見后面 |
本節以新冠肺炎的部分數據為例（讀取“today_world_2020_04_18.csv”的國家名、時間、累計確診、累計治愈、累計死亡這5列）
一、sort_values()
注意：默認情況下sort_values()是升序排列，ascending = Fals表示降序;
sort_values()也可以對缺失值進行排序，默認情況下，缺失值是排在最后的，但是可以通過設置參數na_position='first'將缺失值排在最前；
例：>>>df.sort_values('avg_cur_bal',ascending=True,na_position='first')[:5]
import pandas as pd
import numpy as np
df = pd.read_csv('.input/today_world_2020_04_18.csv',
usecols=['name','lastUpdateTime','total_confirm','total_dead','total_heal'],encoding='gbk')
#使用sort_values()根據累計確診人數的進行降序重排,並列出排名前10的國家信息；
df.sort_values('total_confirm',ascending=False)[:10]
name lastUpdateTime total_confirm total_dead total_heal
9 美國 2020-04-17 15:01:45 677146 34641 56159
168 西班牙 2020-04-18 00:00:31 188068 19478 74797
160 意大利 2020-04-18 03:16:25 172434 22745 40164
155 法國 2020-04-18 07:35:22 147969 18681 34420
8 德國 2020-04-18 07:23:10 140886 4326 83114
159 英國 2020-04-18 00:00:31 108692 14576 622
2 中國 2020-04-18 08:03:46 84176 4642 77723
14 伊朗 2020-04-18 00:00:31 79494 4958 54064
143 土耳其 2020-04-18 03:38:28 78546 1769 8631
178 比利時 2020-04-18 00:00:31 36138 5163 7961
二、sort_index()
>>> df.sort_index(ascending=False)[:5]
name lastUpdateTime total_confirm total_dead total_heal
203 馬達加斯加 2020-04-18 07:57:30 117 0 33
202 列支敦士登 2020-04-12 00:00:31 79 1 55
201 阿曼 2020-04-18 03:28:30 1069 6 176
200 羅馬尼亞 2020-04-18 03:52:56 8067 411 1508
199 格恩西島 2020-03-27 11:33:37 1 0 0
三、隨機重排
sort_values()和sort_index()只能對DataFrame進行升序或降序排列，若希望隨機打亂排列順序（即隨機重排），方法如下：
步驟1：使用numpy.random.permutation()產生一個重排后的整數數組【注：numpy.random.permutation可隨機排列一個序列，返回一個隨機排列后的序號】
步驟2：使用.iloc[]或take()得到重排后的Pandas對象。
#步驟一：取出隨機序列 >>> import numpy as np >>> sampler = np.random.permutation(5) >>> sampler array([1, 2, 3, 4, 0]) #步驟二：以步驟一得到的隨機序列為索引，取出這些數據 #take()函數 >>> df.take(sampler) name lastUpdateTime total_confirm total_dead total_heal 1 塞爾維亞 2020-04-18 00:00:31 5690 110 534 2 中國 2020-04-18 08:03:46 84176 4642 77723 3 日本 2020-04-18 00:00:31 10535 210 1657 4 泰國 2020-04-18 00:00:31 2700 47 1689 0 突尼斯 2020-04-18 08:09:13 864 37 43 #iloc方法 >>> df.iloc[sampler] name lastUpdateTime total_confirm total_dead total_heal 1 塞爾維亞 2020-04-18 00:00:31 5690 110 534 2 中國 2020-04-18 08:03:46 84176 4642 77723 3 日本 2020-04-18 00:00:31 10535 210 1657 4 泰國 2020-04-18 00:00:31 2700 47 1689 0 突尼斯 2020-04-18 08:09:13 864 37 43
四、隨機采樣
使用sample()進行隨機采樣,隨機采樣的量可通過參數n和frac來設置，n表示按照n指定的數量來進行抽樣，frac表示按照指定的比例進行抽樣。
注意：
（1）sample默認的是不放回采樣（即每個樣本只能出現一次），可以通過設置replace = True將其設置為有放回采樣；
例如：>>>df.sample(n=5,replace = True)
（2）若希望重復某次采樣的結果，可以設置random_state參數為同一個數來實現(random_state的大小沒有任何意思，只是這是為同一個數來通知兩次隨機采樣的結果相同)：
例如：>>>df.sample(n=5,random_state=1)
（3）sample也可以實現列的隨機采樣，只需要設置axis=1即可：
例如：>>>df.sample(n=2,axis=1)[:5]
>>> df.sample(3)
name lastUpdateTime total_confirm total_dead total_heal
163 芬蘭 2020-04-18 02:51:06 3489 82 1700
144 巴布亞新幾內亞 2020-04-08 00:00:31 2 0 0
94 索馬里 2020-04-16 07:33:23 80 5 2
使用sample()也可以實現重排
>>> df.sample(len(df))[:5]
name lastUpdateTime total_confirm total_dead total_heal
99 馬里 2020-04-18 03:33:59 190 13 34
12 聖巴泰勒米 2020-03-27 11:18:38 3 0 0
117 吉爾吉斯斯坦 2020-04-18 00:00:31 489 5 114
88 斯威士蘭 2020-04-18 07:55:57 19 1 8
178 比利時 2020-04-18 00:00:31 36138 5163 7961