Python - pandas 데이터 정렬하기 (sort_values() 옵션 파헤치기)

pandas에서는 sort_values() 메서드를 사용하여 데이터를 원하는 기준에 따라 정렬할 수 있다.

 

이번 글에서는 sort_values() 메서드의 사용법을 알아보자.

 

---

1. sort_values()

 

pandas의 sort_values()는 특정 열(column)을 기준으로 데이터를 정렬할 때 사용된다.

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False)

- by : 정렬 기준이 될 열(컬럼) 또는 여러 개의 열을 리스트로 지정

- axis : 0이면 행 기준 정렬(기본값) , 1이면 열 기준 정렬

- ascending : True 면 오름차순 (기본값), False 면 내림차순

- inplace : True 면 원본 데이터프레임이 변경된다. (기본값 False)

 

---

2. 단일 열 기준 정렬

 

열 기준으로 데이터 프레임을 정렬해보자.

import pandas as pd

# 샘플 데이터 생성
data = {
    "product": ["Laptop", "Mouse", "Keyboard", "Monitor", "Tablet"],
    "price": [1000, 50, 150, 300, 500]
}

df = pd.DataFrame(data)

# price 기준 오름차순 정렬
sorted_df = df.sort_values(by="price")
print(sorted_df)

price 기준 오름차순(작은 값 → 큰 값)으로 정렬되었다. 

 

---

3. 내림차순 정렬

 

내림차순 정렬을 원한다면 ascending=False를 추가하면 된다.

import pandas as pd

# 샘플 데이터 생성
data = {
    "product": ["Laptop", "Mouse", "Keyboard", "Monitor", "Tablet"],
    "price": [1000, 50, 150, 300, 500]
}

df = pd.DataFrame(data)

# price기준 내림차순 정렬
sorted_df_desc = df.sort_values(by="price", ascending=False)
print(sorted_df_desc)

 

---

4. 여러 열 기준 정렬

 

정렬 기준이 여러 개인 경우, by 매개변수에 리스트를 전달하면 된다.

import pandas as pd

# 여러 열 기준 정렬
data = {
    "product": ["Laptop", "Mouse", "Keyboard", "Monitor", "Tablet"],
    "price": [1000, 50, 150, 300, 500],
    "rating": [4.5, 4.7, 4.5, 4.2, 4.7]
}

df = pd.DataFrame(data)

# price 오름차순 → rating 내림차순 정렬
sorted_df_multi = df.sort_values(by=["price", "rating"], ascending=[True, False])
print(sorted_df_multi)

price 기준으로 먼저 오름차순을 정렬한 후, 동일한 price 값이 있을경우 rating 기준으로 내림차순 정렬한다.

 

---

5. 인덱스를 기준으로 정렬하기

 

인덱스를 기준으로 정렬하려면 sort_index()를 사용한다.

import pandas as pd

# 여러 열 기준 정렬
data = {
    "product": ["Laptop", "Mouse", "Keyboard", "Monitor", "Tablet"],
    "price": [1000, 50, 150, 300, 500],
    "rating": [4.5, 4.7, 4.5, 4.2, 4.7]
}

df = pd.DataFrame(data)

# price 오름차순 → rating 내림차순 정렬
sorted_df_multi = df.sort_values(by=["price", "rating"], ascending=[True, False])
print(sorted_df_multi)

# Index 기준 내림차순
df_sorted_index = df.sort_index(ascending=False)
print(df_sorted_index)

sort_index() 메서드를 사용하여 인덱스를 오름차순(기본값) 또는 내림차순으로 정렬할 수 있다.

 

---

6. 원본 데이터프레임 변경

 

정렬된 데이터를 새로운 변수에 저장하지 않고, 원본 데이터프레임을 직접 변경하려면 inplace =True 를 설정한다.

import pandas as pd

data = {
    "product": ["Laptop", "Mouse", "Keyboard", "Monitor", "Tablet"],
    "price": [1000, 50, 150, 300, 500],
    "rating": [4.5, 4.7, 4.5, 4.2, 4.7]
}

df = pd.DataFrame(data)

df.sort_values(by="price", ascending=False, inplace=True)
print(df)

df 자체가 변경된 걸 확인할 수 있다.

 

---

7. NaN(결측값) 처리

 

sort_values()를 사용할 때 NaN(결측값)은 기본적으로 가장 마지막에 배치된다.

하지만 na_position 매개변수를 이용해 NaN을 맨 앞으로 정렬할 수도 있다.

import pandas as pd

# 여러 열 기준 정렬
data_with_nan = {
    "product": ["Laptop", "Mouse", "Keyboard", "Monitor", "Tablet"],
    "price": [1000, None, 150, 300, None]
}

df_nan = pd.DataFrame(data_with_nan)

# NaN을 앞으로 정렬
sorted_df_nan = df_nan.sort_values(by="price", na_position="first")
print(sorted_df_nan)

(기본값)na_position="last"이면 NaN 값이 맨 뒤로 빠지게 된다.

---

8. 정렬을 적용한 후 인덱스 재정렬

 

정렬 후에도 기존 인덱스가 유지되는데, 인덱스를 새롭게 설정하고 싶으면 ignore_index=True 옵션을 사용하면 된다.

import pandas as pd

data_with_nan = {
    "product": ["Laptop", "Mouse", "Keyboard", "Monitor", "Tablet"],
    "price": [1000, None, 150, 300, None]
}

df = pd.DataFrame(data_with_nan)
sorted_df = df.sort_values(by="price", ascending=True)
sorted_df_reset = df.sort_values(by="price", ascending=True, ignore_index=True)

print(sorted_df)
print(sorted_df_reset)

---

정리

 

Pandas의 sort_values()를 사용하면 데이터를 쉽게 정렬할 수 있다.

 

 

끝.