一、sort_values()函数用途
    pandas中的sort_values()函数原理类似于SQL中的order by，可以将数据集依照某个字段中的数据进行排序，该函数即可根据指定列数据也可根据指定行的数据排序。

    二、sort_values()函数的具体参数

    • 用法：
      DataFrame.sortvalues(_by=‘##’,axis=0,ascending=True, inplace=False, na_position=‘last’)
    • 参数说明
      | 参数 | 说明 | | —- | —- | | by | 指定列名(axis=0或’index’)或索引值(axis=1或’columns’) | | axis | 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 | 是否按指定列的数组升序排列，默认为True，即升序排列 | | 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 | | na_position | {‘first’,‘last’}，设定缺失值的显示位置 |

    三、sort_values用法举例

    • 创建数据框

      1. #利用字典dict创建数据框
      2. import numpy as np
      3. import pandas as pd
      4. df=pd.DataFrame({'col1':['A','A','B',np.nan,'D','C'],
      5.                'col2':[2,1,9,8,7,7],
      6.                'col3':[0,1,9,4,2,8]
      7. })
      8. print(df)
      9. >>>
      10. col1  col2  col3
      11. 0    A     2     0
      12. 1    A     1     1
      13. 2    B     9     9
      14. 3  NaN     8     4
      15. 4    D     7     2
      16. 5    C     7     8

    • 依据第一列排序，并将该列空值放在首位

      1. #依据第一列排序，并将该列空值放在首位
      2. print(df.sort_values(by=['col1'],na_position='first'))
      3. >>>
      4. col1  col2  col3
      5. 3  NaN     8     4
      6. 0    A     2     0
      7. 1    A     1     1
      8. 2    B     9     9
      9. 5    C     7     8
      10. 4    D     7     2

    • 依据第二、三列，数值降序排序

      1. #依据第二、三列，数值降序排序
      2. print(df.sort_values(by=['col2','col3'],ascending=False))
      3. >>>
      4. col1  col2  col3
      5. 2    B     9     9
      6. 3  NaN     8     4
      7. 5    C     7     8
      8. 4    D     7     2
      9. 0    A     2     0
      10. 1    A     1     1

    • 根据第一列中数值排序，按降序排列，并替换原数据

      1. #根据第一列中数值排序，按降序排列，并替换原数据
      2. df.sort_values(by=['col1'],ascending=False,inplace=True,
      3.                    na_position='first')
      4. print(df)
      5. >>>
      6. col1  col2  col3
      7. 3  NaN     8     4
      8. 4    D     7     2
      9. 5    C     7     8
      10. 2    B     9     9
      11. 1    A     1     1
      12. 0    A     2     0

    • 按照索引值为0的行，即第一行的值来降序排序

      1. x = pd.DataFrame({'x1':[1,2,2,3],'x2':[4,3,2,1],'x3':[3,2,4,1]}) 
      2. print(x)
      3. #按照索引值为0的行，即第一行的值来降序排序
      4. print(x.sort_values(by =0,ascending=False,axis=1))
      5. >>>
      6.  x1  x2  x3
      7. 0   1   4   3
      8. 1   2   3   2
      9. 2   2   2   4
      10. 3   3   1   1
      11.  x2  x3  x1
      12. 0   4   3   1
      13. 1   3   2   2
      14. 2   2   4   2
      15. 3   1   1   3