pandas的数据排序可以帮助我们更好地理解和分析数据。
通过对数据进行排序，我们可以提取出特定的信息，例如最大值、最小值、中位数、众数等等，从而更准确地识别数据的特征和特点。

此外，数据排序还可以帮助我们更好地进行数据可视化，例如绘制直方图、箱线图等等，进一步帮助我们对数据进行解读和分析。
总之，数据排序在数据处理和分析中起着非常重要的作用。

1. 索引排序

pandas的数据集DataFrame默认的索引是从0开始的数字，默认升序排列。

import pandas as pd

df = pd.DataFrame(
    {
        "name": ["小华", "小红", "小明"],
        "gender": ["男", "女", "男"],
        "score": [98, 100, 90],
    }
)

df

当然，除了默认索引，也可以手动设置索引，手动设置索引的话，索引的顺序不会自动排列。
比如：

df = pd.DataFrame(
    {
        "name": ["小华", "小红", "小明"],
        "gender": ["男", "女", "男"],
        "score": [98, 100, 90],
    },
    index=[2, 1, 3],
)

df	

1.1 索引升序

此时，就可以通过sort_index函数对数据集进行排序。默认是升序：

df.sort_index() # 升序

1.2 索引降序

设置ascending=False，则按照索引降序排列。

df.sort_index(ascending=False) # 降序