Pandas DataFrame索引排序与重排详解：sort_index与reindex用法

雨后青山

发布时间：2026-10-15 | 5人浏览过

原创

本文详细介绍Pandas中df.sort_index()函数的使用方法，包括默认的升序排列及通过ascending=False实现降序排序。同时讲解df.reindex()如何自定义行和列的索引顺序，涵盖axis参数及具体代码示例，帮助开发者高效管理DataFrame数据顺序。

使用sort_index进行索引排序

在Pandas中，可以使用df.sort_index()方法对DataFrame的索引进行排序。该函数默认按照索引值从小到大的顺序进行升序排列。如果用户希望按照从大到小的顺序进行降序排列，可以在调用该函数时传入参数ascending=False。

import pandas as pd
 
df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ], 
                   columns = ['name','team','Q1','Q2','Q3','Q4'])
 
# 索引降序
res1 = df.sort_index(ascending=False)
 
# 按列索引名排序:
# 在索引方向上排序
res2 = df.sort_index(axis=1, ascending=False)

以下是具体的运行结果展示。

原始DataFrame数据df如下所示：

执行降序排序后的结果res1。

执行按列索引名降序排序后的结果res2。

使用reindex自定义行列顺序

除了基本的索引排序，Pandas还提供了更多灵活的处理方式，例如df.reindex()允许用户指定自定义顺序的索引，从而重新定义行和列的显示顺序。

# 更多方法如下:
s.sort_index() # 升序排列
df.sort_index() # df也是按索引进行排序
df.team.sort_index()
s.sort_index(ascending=False) # 降序排列
s.sort_index(inplace=True) # 排序后生效，改变原数据
# 索引重新0-(n-1)排，可以得到它的排序号
s.sort_index(ignore_index=True)
s.sort_index(na_position='first') # 空值在前，另'last'表示空值在后
s.sort_index(level=1) # 如果多层，排一级
s.sort_index(level=1, sort_remaining=False) # 这层不排
# 行索引排序，表头排序
df.sort_index(axis=1) # 会把列按列名顺序排序

具体操作示例如下：

import pandas as pd
 
df = pd.DataFrame({
        'A':[1,2,3],
        'B':[4,5,6]
        },index=['a','b','c'])
 
# 按要求重新指定索引顺序
res1 = df.reindex(['c','b','a'])
 
# 指定列顺序
res2 = df.reindex(['B','A'], axis=1)

以下是reindex操作的结果展示。

原始DataFrame数据df。