根据条件对数据集排序(sorting)也是一种重要的内置运算。要对行或列索引进行排序(按字典顺序)，
可使用sort_index 方法， 它将返回一个已排序的新对象：
而DataFrame， 则可以根据任意一个轴上的索引进行排序：
降序
数据默认是按照升序排序的， 但也可以安装降序排序
按值排序
如果有缺失值呢
求唯一值排序和频率排序
Dataframe指定某列的值进行排序，by选项
那么如果多个呢？
排名
排名(ranking ) 跟排序关系密切， 且它会增设一个排名值(从1开始， 一直到数组中有效数据的数量)。
它跟numpy.argsort产生的间接拍下索引差不多， 只不过它可以根据某种规则破坏平级关系。接下来介绍Series和Dataframe 的rank方法。
默认情况下， rank是通过”为各组分配一个平均排名“的方式破坏平级关系的。
降序
groupby方法
import pandas aspd
df= pd.DataFrame({'性别' : ['男', '女', '男', '女','男', '女', '男', '男'],'成绩' : ['优秀', '优秀', '及格', '差','及格', '及格', '优秀', '差'],'年龄' : [15,14,15,12,13,14,15,16]})
GroupBy=df.groupby("性别")
GroupBy.iter()
GroupBy对象是一个迭代对象，每次迭代结果是一个元组，元组的第一个元素是该组的名称(就是groupby的列的元素名称)，第二个元素是该组的具体信息，是一个数据框，索引是以前的数据框的总索引
for name,group inGroupBy:
print(name)
print(group)
女
年龄 性别 成绩1 14女 优秀3 12女 差5 14女 及格
男
年龄 性别 成绩0 15男 优秀2 15男 及格4 13男 及格6 15男 优秀7 16 男 差
groupby还有其他子方法，需要的话自己在百度吧
来个例子， groupby + apply + sortValues的例子
data.groupby('customer_id')['repayment_date'].apply(lambda x:x.sort_values(ascending=False)).reset_index()
