<\/p>\n
Voc\u00ea pode usar a seguinte sintaxe para classificar um DataFrame do pandas por \u00edndice e coluna:<\/span><\/p>\n Os exemplos a seguir mostram como usar essa sintaxe na pr\u00e1tica.<\/span><\/p>\n O c\u00f3digo a seguir mostra como classificar um DataFrame do pandas pela coluna chamada pontos<\/strong> e depois pela coluna de \u00edndice<\/strong> :<\/span><\/p>\n O DataFrame resultante \u00e9 classificado por pontos em ordem decrescente e depois por \u00edndice em ordem crescente (se houver dois jogadores que marcam o mesmo n\u00famero de pontos).<\/span><\/p>\n Observe que se n\u00e3o usarmos o argumento ascendente<\/strong> , cada coluna usar\u00e1 a ordem crescente como m\u00e9todo de classifica\u00e7\u00e3o padr\u00e3o:<\/span><\/p>\n Se a coluna do \u00edndice n\u00e3o tiver nome no momento, voc\u00ea poder\u00e1 renome\u00e1-la e classific\u00e1-la de acordo:<\/span><\/p>\n Pandas: como classificar colunas por nome<\/a> Voc\u00ea pode usar a seguinte sintaxe para classificar um DataFrame do pandas por \u00edndice e coluna: df = df. sort_values (by = [‘ column_name ‘, ‘ index ‘], ascending = [ False , True ]) Os exemplos a seguir mostram como usar essa sintaxe na pr\u00e1tica. Exemplos: classificar o DataFrame por \u00edndice e coluna O […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1699","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n df = df. sort_values<\/span> (by = [' column_name<\/span> ', ' index<\/span> '], ascending = [ False<\/span> , True<\/span> ])\n<\/strong><\/pre>\n Exemplos: classificar o DataFrame por \u00edndice e coluna<\/strong><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' id<\/span> ': [1, 2, 3, 4, 5, 6, 7, 8],\n ' points<\/span> ': [25, 15, 15, 14, 20, 20, 25, 29],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]}). set_index<\/span> (' id<\/span> ')\n\n#view first few rows\n<\/span>df. head<\/span> ()\n\n\tpoints assists rebounds\nid\t\t\t\n1 25 5 11\n2 15 7 8\n3 15 7 10\n4 14 9 6\n5 20 12 6\n\n#sort by points and then by index<\/span>\ndf. sort_values<\/span> (by = [' points<\/span> ', ' id<\/span> '], ascending = [ False<\/span> , True<\/span> ])\n\n\tpoints assists rebounds\nid\t\t\t\n8 29 4 12\n1 25 5 11\n7 25 9 9\n5 20 12 6\n6 20 9 5\n2 15 7 8\n3 15 7 10\n4 14 9 6\n<\/strong><\/pre>\n #sort by points and then by index<\/span>\ndf. sort_values<\/span> (by = [' points<\/span> ', ' id<\/span> '])\n\n points assists rebounds\nid\t\t\t\n4 14 9 6\n2 15 7 8\n3 15 7 10\n5 20 12 6\n6 20 9 5\n1 25 5 11\n7 25 9 9\n8 29 4 12\n<\/strong><\/pre>\n #sort by points and then by index<\/span>\ndf. rename_axis<\/span> (' index<\/span> '). sort_values<\/span> (by = [' points<\/span> ', ' id<\/span> '])\n\n points assists rebounds\nid\t\t\t\n4 14 9 6\n2 15 7 8\n3 15 7 10\n5 20 12 6\n6 20 9 5\n1 25 5 11\n7 25 9 9\n8 29 4 12<\/strong><\/pre>\n Recursos adicionais<\/strong><\/h3>\n
Pandas: classifique o DataFrame por data<\/a>
Pandas: como remover linhas duplicadas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"