一、把一列设成行标签：set_index

df.set_index('姓名') 之后，行标签是姓名，列少一列。 shape 从 (10, 6) 变成 (10, 5)，因为姓名从列搬到了行标签上。 取张伟那行只需 d.loc['张伟']，不用再写条件筛。

set_index 默认把这列从列里删掉。要两边都留着就写 drop=False。 行标签理想上应该是唯一的。有重名的时候 loc 会返回多行，得留神。

二、换回来：reset_index

reset_index() 把行标签变回一列，行标签恢复成 0 到 9。 删过行之后标签不连续，用 reset_index(drop=True) 直接丢掉旧标签重排。 drop=True 的意思是「旧标签不要了」。不写的话它会变成一列名叫 index 的列。

传不传 drop，差别就是多一列还是不多一列，这个列名还常常叫 index，很容易混进数据。

三、排序：sort_values

df.sort_values('总分', ascending=False)，从大到小。默认是从小到大。

排序不改行标签。张伟排到第三位，他的标签还是 0。 这正是标签比位置可靠的地方：位置会变，标签不会。 多列排序传列表：sort_values(['班级', '总分'])，先按班级，班内再按总分。

两边顺序不同就传两个布尔值：sort_values(['班级','总分'], ascending=[True, False])。

四、排名：rank

df['总分'].rank(ascending=False, method='min') 给出名次。

rank 返回的是小数，就算结果全是整数也是 1.0、2.0——因为平均名次可能是 1.5。 method='min' 是同分取最小名次：两人并列第一，下一个就是第三名。 method='dense' 并列后紧跟着排（1、1、2），method='average' 取平均名次（1.5、1.5、3）。

这张成绩表里没有同分，三种写法算出来一样。所以 Demo 末尾造了三个人的小表来验。 排名方式不同，结果就不同。报排名必须说清用的哪一种，不然没法对账。

五、排完想回原顺序：sort_index

sort_values 之后想回到原来的行顺序，一行 sort_index() 就行。 前提是行标签还留着原来的顺序信息——这又回到「排序不改标签」那条。 标签是身份，顺序是外观。两者分开，才谈得上「排了还能回来」。

六、第 3 章到这里就齐了

回头看这十三篇：读进来、看属性、抽行列、加改删、清洗、排序。 这些动作单独看都简单，组合起来才是日常：读一份 csv，清一遍，筛出想要的，排个序。 第 4 章开始把这些动作拼成真正的分析：分组、合并、时间序列、透视表。

如果这一章还有哪个动作需要翻回去查，先把它练熟再往下走。第 4 章默认这些都会。

七、动手 Demo：索引设置与排序排名

先把姓名设成行标签，再 reset 回来，然后按总分排序、算名次。 最后用多种 method 各算一遍名次，看并列时差在哪。

import pandas as pd

DF = pd.DataFrame({
    "姓名": ["张伟", "王芳", "李娜", "刘洋", "陈静",
             "杨帆", "赵敏", "黄磊", "周涛", "吴霞"],
    "班级": ["一班"] * 5 + ["二班"] * 5,
    "语文": [88, 92, 75, 85, 90, 68, 95, 72, 83, 79],
    "数学": [92, 95, 68, 88, 73, 82, 91, 65, 86, 90],
    "英语": [85, 90, 80, 79, 95, 71, 88, 60, 84, 87],
})
DF["总分"] = DF["语文"] + DF["数学"] + DF["英语"]

D = DF.set_index("姓名")
print("设标签 %s → %s，取张伟 %d" % (DF.shape, D.shape, D.loc["张伟", "总分"]))
print("reset 回来 %s" % (D.reset_index().shape,))

TOP = DF.sort_values("总分", ascending=False)
print(TOP[ ["姓名", "总分"]].head(5).to_string(index=False))

DF["名次"] = DF["总分"].rank(ascending=False, method="min").astype(int)
print(DF.loc[ [0, 1, 2, 3, 4], ["姓名", "总分", "名次"]].to_string(index=False))

TIE = pd.DataFrame({"姓名": ["甲", "乙", "丙"], "分": [100, 100, 90]})
for m in ["min", "dense", "average"]:
    r = TIE["分"].rank(ascending=False, method=m).tolist()
    print("%-8s %s" % (m, r))

实跑输出：

--------------------------------------------------------------------
索引设置与排序排名
--------------------------------------------------------------------

  ① 把一列设成行标签
  --------------------------------------------------------------------
  set_index 之后，行标签是姓名，列少了一列。shape 从 (10, 6) 变成 (10, 5)。
  取张伟那行：d.loc['张伟'] 就行，不用再筛条件。
  ! set_index 默认把这列从列里删掉。要保留就写 drop=False。

  ② 换回来：reset_index
  --------------------------------------------------------------------
  reset_index 把行标签变回一列，行标签恢复成 0 到 9。
  删过行之后行标签会不连续，用 reset_index(drop=True) 直接丢掉旧标签重排。
  ! drop=True 的意思是「旧标签不要了」。不写的话它会变成一列名叫 index 的列。

  ③ 排序：sort_values
  --------------------------------------------------------------------

| 行 | 姓名 | 总分 |
|---|---:|---:|
| 1 | 王芳 | 277 |
| 6 | 赵敏 | 274 |
| 0 | 张伟 | 265 |
| 4 | 陈静 | 258 |
| 9 | 吴霞 | 256 |

  ascending=False 是从大到小。默认是从小到大。
  多列排序传列表：sort_values(['班级','总分'])，先按班级排，班内再按总分排。

| 行 | 班级 | 姓名 | 总分 |
|---|---:|---:|---:|
| 1 | 一班 | 王芳 | 277 |
| 0 | 一班 | 张伟 | 265 |
| 4 | 一班 | 陈静 | 258 |
| 3 | 一班 | 刘洋 | 252 |

  ! 排序不改行标签。张伟排第几，他的标签还是 0——这正是标签比位置可靠的原因。

  ④ 排名：rank
  --------------------------------------------------------------------

| 行 | 姓名 | 总分 | 总分排名 |
|---|---:|---:|---:|
| 0 | 张伟 | 265 | 3 |
| 1 | 王芳 | 277 | 1 |
| 2 | 李娜 | 223 | 8 |
| 3 | 刘洋 | 252 | 7 |
| 4 | 陈静 | 258 | 4 |

  method='min' 是同分取最小名次。三个人并列第一，下一个就是第四名。
  method='dense' 是并列之后紧跟着排（1、1、2），method='average' 取平均名次。
  ! 排名方式不同，结果就不同。报排名的时候要说清用的是哪一种，不然没法对账。

  ⑤ 索引与排序的配合
  --------------------------------------------------------------------

| 要做的事 | 写法 |
|---|---|
| 按姓名查行 | set_index('姓名') 之后 loc |
| 删行后重排行号 | reset_index(drop=True) |
| 按某列排序 | sort_values('列名', ascending=False) |
| 算名次 | rank(ascending=False, method='min') |
| 排完仍按原顺序看 | sort_index() |

  最后一条常常用得上：排完序想回到原来的顺序，sort_index 一下就行。
  ! 第 3 章到此结束。第 4 章把这些动作组合起来：分组、合并、时间序列。

三种 method 在「两人并列第一」时给的名次不一样：min 是 1、1、3，dense 是 1、1、2。 sort_values 之后打出来的行标签还是 1、6、0，顺序变了、标签没变，这就是证据。

30 秒实验

1. 把 method 换成 'first'，看并列两人谁排前面。
2. 给表加一列班级，用两个布尔值做多列排序，看班内顺序对不对。
3. 想一想：set_index 之后原表会不会少一列？想两边都留要加什么参数？

常见误区

1. set_index 之后以为原列还在：列少了一列，后面按列名取会报 KeyError。
2. reset_index 不写 drop：多出一列名叫 index 的列，混进数据里。
3. 以为 sort_values 会重排行号：行标签原样不动，按位置取还是老的。
4. 报排名不说 method：和别人的名次对不上，谁也说不清谁错。

第 3 章的十三篇到此结束。第 4 章开始把这些动作组合成真正的分析：分组、合并、时间序列。

• ☐ （本篇完，下一篇 4.1 求和、均值、最大最小）

相关笔记

• 数据清洗：缺失、重复、异常
• Series 的索引与取值
• DataFrame 的常用属性与函数
• 📊 Python 数据分析 · 索引