Pandas的排序和排名（Series， DataFrame） + groupby

根据条件对数据集排序（sorting）也是一种重要的内置运算。要对行或列索引进行排序（按字典顺序），

可使用sort_index 方法， 它将返回一个已排序的新对象：

而DataFrame， 则可以根据任意一个轴上的索引进行排序：

降序

数据默认是按照升序排序的， 但也可以安装降序排序

按值排序

如果有缺失值呢

求唯一值排序和频率排序

Dataframe指定某列的值进行排序，by选项

那么如果多个呢？

排名

排名（ranking ） 跟排序关系密切， 且它会增设一个排名值（从1开始， 一直到数组中有效数据的数量）。

它跟numpy.argsort产生的间接拍下索引差不多， 只不过它可以根据某种规则破坏平级关系。接下来介绍Series和Dataframe 的rank方法。

默认情况下， rank是通过”为各组分配一个平均排名“的方式破坏平级关系的。

 降序

groupby方法

import pandas as pd
df = pd.DataFrame({'性别' : ['男', '女', '男', '女',
                              '男', '女', '男', '男'],
                       '成绩' : ['优秀', '优秀', '及格', '差',
                              '及格', '及格', '优秀', '差'],
                       '年龄' : [,,,,,,,]})
GroupBy=df.groupby("性别")

GroupBy.iter()

GroupBy对象是一个迭代对象，每次迭代结果是一个元组，元组的第一个元素是该组的名称(就是groupby的列的元素名称)，第二个元素是该组的具体信息，是一个数据框，索引是以前的数据框的总索引

for name,group in GroupBy:
    print(name)
    print(group)
女
   年龄 性别  成绩
    女  优秀
    女   差
    女  及格
男
   年龄 性别  成绩
    男  优秀
    男  及格
    男  及格
    男  优秀
    男   差

groupby还有其他子方法，需要的话自己在百度吧

来个例子， groupby + apply + sortValues的例子

data.groupby('customer_id')['repayment_date'].apply(lambda x:x.sort_values(ascending=False)).reset_index()