如何使用Python按升序对数据帧进行排序

我有这样一个数据帧：

        Date          Price
0 2021-02-12 00:00:00 50
1 2021-02-11 00:00:00 2
2 2021-02-10 00:00:00 40.4
3 2021-02-09 00:00:00 775.6
4 2021-02-08 00:00:00 1000.2
5 2021-02-07 00:00:00 500

打印列的类型（df.dtypes）：

预期产出：

        Date          Price
0 2021-02-07 00:00:00 500
1 2021-02-08 00:00:00 1000.2
2 2021-02-09 00:00:00 775.6
3 2021-02-10 00:00:00 40.4
4 2021-02-11 00:00:00 2
5 2021-02-12 00:00:00 50

我有一个类似df的数据帧。当我这样做时：

df = df.sort_values(by='Date')

但即使加上升序=真或假，也不会发生任何事情

你能告诉我怎么订购这个数据框吗

如果可能的话，你能给出2种可能性，比如按索引和日期排序，但我希望直接按升序日期排序，而不涉及索引

编辑以提高清晰度：

# Converted list of dictionaries to a Dataframe
extracted_data_List_DataFrames = [pd.DataFrame(x) for x in extracted_data_List]

# Convert string to their respectiv types
for dfs in extracted_data_List_DataFrames:
    dfs['Date'] = pd.to_datetime(dfs['Date'])
    dfs['Price'] = dfs['Price'].astype('float64')

    # Sort dataframes by 'Date'
    dfs = dfs.sort_values(['Date'], ascending=False)

print(extracted_data_List_DataFrames)

上面有我的密码。我无法使排序方法正常工作。

sort\u values（）

默认情况下按升序对数据进行排序。您对

.sort\u值感兴趣（按class='Date'，升序=False）

：

将熊猫作为pd导入
df=pd.DataFrame（范围（10），列=['Price']）
df['Date']=[pd.to_datetime（f“2021-02-{str（x）.zfill（2）}”）表示范围（1,11）内的x）
df.sort_值（按=['Date']，升序=False）

问题在于，若修改循环中的值，若原始列表并没有变化，则可以将输出分配给原始数据帧列表，如：

for i, dfs in enumerate(extracted_data_List_DataFrames):
    dfs['Date'] = pd.to_datetime(dfs['Date'])
    dfs['Price'] = dfs['Price'].astype('float64')

    # Sort dataframes by 'Date'
    dfs = dfs.sort_values(['Date'], ascending=False)
    extracted_data_List_DataFrames[i] = dfs

另一个想法是使用

inplace=True

：

for dfs in extracted_data_List_DataFrames:
    dfs['Date'] = pd.to_datetime(dfs['Date'])
    dfs['Price'] = dfs['Price'].astype('float64')

    # Sort dataframes by 'Date'
    dfs.sort_values(['Date'], ascending=False, inplace=True)

---

否则我就不会问这个问题了。谢谢，嗯，你们有哪一个熊猫版本？以上版本适用于

1.2.2

。我有1.2.1应该适用于你的答案。它工作得很好。我在另一篇帖子上看到inplace将被弃用，是吗？@LuckyFr-是的，应该是这样，所以添加第一个选项，而不使用

inplace=True

。但它仍然被许多人（在当地）使用，所以只适用于不推荐使用的。

for dfs in extracted_data_List_DataFrames:
    dfs['Date'] = pd.to_datetime(dfs['Date'])
    dfs['Price'] = dfs['Price'].astype('float64')

    # Sort dataframes by 'Date'
    dfs.sort_values(['Date'], ascending=False, inplace=True)