import pandas as pd
import numpy as np
# 構(gòu)建示例數(shù)據(jù)（學生成績）
data = {
    "姓名": ["小明", "小紅", "小剛", "小麗", "小強"],
    "班級": ["1班", "2班", "1班", "2班", "1班"],
    "數(shù)學": [85, 92, 78, 90, np.nan],  # 含缺失值
    "語文": [92, 88, 80, 85, 90]
}
df = pd.DataFrame(data, index=["stu01", "stu02", "stu03", "stu04", "stu05"])
print("原始DataFrame：")
print(df)
# 1.1 按「數(shù)學」列升序排序（默認）
df_sort_math_asc = df.sort_values(by="數(shù)學")
print("\n按數(shù)學升序排序（缺失值放最后）：")
print(df_sort_math_asc)
# 1.2 按「數(shù)學」列降序排序，缺失值放最前
df_sort_math_desc = df.sort_values(by="數(shù)學", ascending=False, na_position="first")
print("\n按數(shù)學降序排序（缺失值放最前）：")
print(df_sort_math_desc)
# 1.3 原地排序（修改原DataFrame）+ 重置行索引
df.sort_values(by="語文", ascending=False, inplace=True, ignore_index=True)
print("\n按語文降序原地排序（重置索引）：")
print(df)

import pandas as pd
# 重置示例數(shù)據(jù)
data = {
    "姓名": ["小明", "小紅", "小剛", "小麗", "小強", "小芳"],
    "班級": ["1班", "2班", "1班", "2班", "1班", "2班"],
    "數(shù)學": [85, 92, 85, 90, 88, 92],
    "語文": [92, 88, 80, 85, 90, 82]
}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)
# 2.1 先按「班級」升序，再按「數(shù)學」降序排序
df_sort_multi = df.sort_values(
    by=["班級", "數(shù)學"],  # 排序列（先班級，后數(shù)學）
    ascending=[True, False]  # 對應列的排序方向（班級升序，數(shù)學降序）
)
print("\n按班級升序、數(shù)學降序排序：")
print(df_sort_multi)
# 2.2 多列排序+重置索引
df_sort_multi_reset = df.sort_values(
    by=["班級", "語文"],
    ascending=[True, True],
    ignore_index=True
)
print("\n按班級升序、語文升序排序（重置索引）：")
print(df_sort_multi_reset)

import pandas as pd
data = {
    "姓名": ["張三", "李四", "王五", "趙六", "錢七"],
    "城市": ["北京", "上海", "廣州", "深圳", "北京"],
    "分數(shù)": [85, 92, 78, 90, 88]
}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)
# 3.1 按「姓名」字符串排序（漢字拼音順序）
df_sort_name = df.sort_values(by="姓名")
print("\n按姓名字符串排序：")
print(df_sort_name)
# 3.2 按「城市」升序，再按「分數(shù)」降序
df_sort_city_score = df.sort_values(by=["城市", "分數(shù)"], ascending=[True, False])
print("\n按城市升序、分數(shù)降序排序：")
print(df_sort_city_score)
# 3.3 按字符串長度排序（需自定義key）
df["姓名長度"] = df["姓名"].str.len()
df_sort_len = df.sort_values(by="姓名長度")
print("\n按姓名長度排序：")
print(df_sort_len)

import pandas as pd
# 構(gòu)建帶自定義行索引的DataFrame
data = {
    "數(shù)學": [85, 92, 78, 90],
    "語文": [92, 88, 80, 85]
}
df = pd.DataFrame(data, index=["stu03", "stu01", "stu04", "stu02"])
print("原始DataFrame（行索引混亂）：")
print(df)
# 1.1 按行索引升序排序（默認）
df_sort_idx_asc = df.sort_index()
print("\n按行索引升序排序：")
print(df_sort_idx_asc)
# 1.2 按行索引降序排序
df_sort_idx_desc = df.sort_index(ascending=False)
print("\n按行索引降序排序：")
print(df_sort_idx_desc)

import pandas as pd
# 構(gòu)建列名混亂的DataFrame
data = {
    "語文": [92, 88, 80],
    "班級": ["1班", "2班", "1班"],
    "數(shù)學": [85, 92, 78],
    "姓名": ["小明", "小紅", "小剛"]
}
df = pd.DataFrame(data)
print("原始DataFrame（列名混亂）：")
print(df)
# 按列名升序排序（axis=1）
df_sort_cols = df.sort_index(axis=1)
print("\n按列名升序排序：")
print(df_sort_cols)
# 按列名降序排序
df_sort_cols_desc = df.sort_index(axis=1, ascending=False)
print("\n按列名降序排序：")
print(df_sort_cols_desc)

import pandas as pd
import numpy as np
data = {
    "姓名": ["Alice", "Bob", "Charlie", "David"],
    "分數(shù)": [85, -92, 78, -90],
    "等級": ["B", "A", "C", "A"]
}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)
# 1.1 按分數(shù)的絕對值降序排序
df_sort_abs = df.sort_values(by="分數(shù)", key=lambda x: x.abs(), ascending=False)
print("\n按分數(shù)絕對值降序排序：")
print(df_sort_abs)
# 1.2 按姓名首字母小寫排序
df_sort_name_lower = df.sort_values(by="姓名", key=lambda x: x.str.lower())
print("\n按姓名首字母小寫排序：")
print(df_sort_name_lower)
# 1.3 按自定義等級規(guī)則排序（A>B>C）
grade_order = {"A": 1, "B": 2, "C": 3}
df_sort_grade = df.sort_values(by="等級", key=lambda x: x.map(grade_order))
print("\n按等級規(guī)則（A>B>C）排序：")
print(df_sort_grade)

import pandas as pd
# 構(gòu)建每行是學生、每列是科目的DataFrame
data = {
    "數(shù)學": [85, 92, 78],
    "語文": [92, 88, 80],
    "英語": [88, 90, 85]
}
df = pd.DataFrame(data, index=["小明", "小紅", "小剛"])
print("原始DataFrame（每行是學生，每列是科目）：")
print(df)
# 按每行的值降序排序（橫向排序，即每個學生的科目按分數(shù)從高到低排）
df_sort_row = df.apply(lambda x: x.sort_values(ascending=False).values, axis=1)
# 重置列名（保持原列名順序，僅值排序）
df_sort_row.columns = df.columns
print("\n按每行分數(shù)降序排序（橫向）：")
print(df_sort_row)

import pandas as pd
data = {
    "班級": ["1班", "1班", "2班", "2班", "1班"],
    "數(shù)學": [85, 92, 78, 90, 88],
    "姓名": ["小明", "小紅", "小剛", "小麗", "小強"]
}
df = pd.DataFrame(data)
print("原始DataFrame：")
print(df)
# 按班級分組，保留每個班級數(shù)學分數(shù)最高的學生
# 步驟1：按班級升序、數(shù)學降序排序
df_sort = df.sort_values(by=["班級", "數(shù)學"], ascending=[True, False])
# 步驟2：按班級去重，保留第一個（即分數(shù)最高的）
df_top1 = df_sort.drop_duplicates(subset=["班級"], keep="first")
print("\n每個班級數(shù)學最高分學生：")
print(df_top1)

import pandas as pd
import numpy as np
# 構(gòu)建日期索引混亂的溫度數(shù)據(jù)
dates = pd.date_range("2026-01-01", periods=5)
np.random.shuffle(dates)  # 打亂日期
data = {
    "溫度": np.random.normal(5, 3, 5).round(1),
    "濕度": np.random.uniform(30, 80, 5).round(1)
}
df = pd.DataFrame(data, index=dates)
print("原始時間序列數(shù)據(jù)（日期混亂）：")
print(df)
# 按日期索引升序排序（恢復時間順序）
df_sort_date = df.sort_index()
print("\n按日期升序排序：")
print(df_sort_date)
# 按溫度降序排序，保留日期索引
df_sort_temp = df.sort_values(by="溫度", ascending=False)
print("\n按溫度降序排序：")
print(df_sort_temp)