这是一个python数据帧后期排序绘图错误吗？

当我创建一个DataFrame，然后按列排序时，它似乎在iTreactive显示中被排序（即，repr给出的任何内容），但当我调用DataFrame.plot（）函数时，它会打印未排序的数组。不过，调用matplotlib.pylab.plot效果很好。我怀疑这与聪明的指针重新排列有关，而不是传递给plot函数调用的任何函数来访问数据。。。或者我只是在做些傻事。我已经在pandas 0.8.1（osx和linux与python2.7.something）和pandas 0.9.0（osx与python3.something）上试过了

---

默认情况下，打印是数据与索引的对比。对于数字索引，请在对列进行排序后查看索引。您可能希望使用plot（使用_index=False）。见下面的例子

In [2]: df = pd.DataFrame(np.random.randn(10, 2), columns=['A', 'B'])

In [3]: df
Out[3]:
          A         B
0 -0.938196  2.220319
1 -0.022503  0.564602
2  0.033094 -0.717969
3  2.466486  1.229651
4 -0.641596 -1.016921
5  0.094125  1.531526
6  0.579631  1.398635
7 -0.854799 -0.930904
8 -1.177894 -1.501657
9  0.341655 -0.917243

In [4]: df.sort(columns='A', inplace=True)
Out[4]:
          A         B
8 -1.177894 -1.501657
0 -0.938196  2.220319
7 -0.854799 -0.930904
4 -0.641596 -1.016921
1 -0.022503  0.564602
2  0.033094 -0.717969
5  0.094125  1.531526
9  0.341655 -0.917243
6  0.579631  1.398635
3  2.466486  1.229651

In [5]: df['A'].plot(use_index=False)
Out[5]: <matplotlib.axes.AxesSubplot at 0xb56ac6c>

[2]中的

：df=pd.DataFrame（np.random.randn（10,2），columns=['A'，'B']
In[3]：df
出[3]：
A B
0 -0.938196  2.220319
1 -0.022503  0.564602
2  0.033094 -0.717969
3  2.466486  1.229651
4 -0.641596 -1.016921
5  0.094125  1.531526
6  0.579631  1.398635
7 -0.854799 -0.930904
8 -1.177894 -1.501657
9  0.341655 -0.917243
在[4]中：df.sort（columns='A'，inplace=True）
出[4]：
A B
8 -1.177894 -1.501657
0 -0.938196  2.220319
7 -0.854799 -0.930904
4 -0.641596 -1.016921
1 -0.022503  0.564602
2  0.033094 -0.717969
5  0.094125  1.531526
9  0.341655 -0.917243
6  0.579631  1.398635
3  2.466486  1.229651
在[5]中：df['A']绘图（使用索引=False）
出[5]：

---

这似乎是对的。我还没有尝试过其他的可能性，但它似乎是按日期和整数索引的排序索引顺序绘制的。

In [2]: df = pd.DataFrame(np.random.randn(10, 2), columns=['A', 'B'])

In [3]: df
Out[3]:
          A         B
0 -0.938196  2.220319
1 -0.022503  0.564602
2  0.033094 -0.717969
3  2.466486  1.229651
4 -0.641596 -1.016921
5  0.094125  1.531526
6  0.579631  1.398635
7 -0.854799 -0.930904
8 -1.177894 -1.501657
9  0.341655 -0.917243

In [4]: df.sort(columns='A', inplace=True)
Out[4]:
          A         B
8 -1.177894 -1.501657
0 -0.938196  2.220319
7 -0.854799 -0.930904
4 -0.641596 -1.016921
1 -0.022503  0.564602
2  0.033094 -0.717969
5  0.094125  1.531526
9  0.341655 -0.917243
6  0.579631  1.398635
3  2.466486  1.229651

In [5]: df['A'].plot(use_index=False)
Out[5]: <matplotlib.axes.AxesSubplot at 0xb56ac6c>