Teradata Package for Python Function Reference | 20.00 - sort_index - Teradata Package for Python - Look here for syntax, methods and examples for the functions included in the Teradata Package for Python.

Teradata® Package for Python Function Reference - 20.00

Deployment
VantageCloud
VantageCore
Edition
Enterprise
IntelliFlex
VMware
Product
Teradata Package for Python
Release Number
20.00
Published
March 2024
Language
English (United States)
Last Update
2024-04-10
dita:id
TeradataPython_FxRef_Enterprise_2000
Product Category
Teradata Vantage
teradataml.dataframe.dataframe.DataFrame.sort_index = sort_index(self, axis=0, ascending=True, kind='quicksort')
DESCRIPTION:
    Gets sorted object by labels (along an axis) in either ascending or
    descending order for a teradataml DataFrame.
        
PARAMETERS:
    axis:
        Optional Argument.
        Specifies the value to direct sorting on index or columns. 
        Values can be either 0 ('rows') OR 1 ('columns'), value as 0 will sort on index (if no index is present then parent DataFrame will be returned)
        and value as 1 will sort on columns names (if no index is present then parent DataFrame will be returned with sorted columns) for the DataFrame. 
        Default value: 0
        Types: int
        
    ascending:
        Optional Argument.
        Specifies a flag to sort columns in either ascending (True) or descending (False).
        Default value: True
        Types: bool
    
    kind:
        Optional Argument.
        Specifies a desired algorithm to be used.
        Permitted values: 'quicksort', 'mergesort' or 'heapsort'
        Default value: 'quicksort'
        Types: str
 
RETURNS:
    teradataml DataFrame
 
RAISES:
    TeradataMlException
 
EXAMPLES:
    >>> load_example_data("dataframe","scale_housing_test")
    >>> df = DataFrame.from_table('scale_housing_test')
    >>> df
              id    price  lotsize  bedrooms  bathrms  stories
    types                                                     
    classic   14  36000.0   2880.0       3.0      1.0      1.0
    bungalow  11  90000.0   7200.0       3.0      2.0      1.0
    classic   15  37000.0   3600.0       2.0      1.0      1.0
    classic   13  27000.0   1700.0       3.0      1.0      2.0
    classic   12  30500.0   3000.0       2.0      1.0      1.0
    
    >>> df.sort_index()
              id    price  lotsize  bedrooms  bathrms  stories
    types                                                     
    bungalow  11  90000.0   7200.0       3.0      2.0      1.0
    classic   13  27000.0   1700.0       3.0      1.0      2.0
    classic   12  30500.0   3000.0       2.0      1.0      1.0
    classic   14  36000.0   2880.0       3.0      1.0      1.0
    classic   15  37000.0   3600.0       2.0      1.0      1.0
    
    >>> df.sort_index(0)
              id    price  lotsize  bedrooms  bathrms  stories
    types                                                     
    bungalow  11  90000.0   7200.0       3.0      2.0      1.0
    classic   13  27000.0   1700.0       3.0      1.0      2.0
    classic   12  30500.0   3000.0       2.0      1.0      1.0
    classic   14  36000.0   2880.0       3.0      1.0      1.0
    classic   15  37000.0   3600.0       2.0      1.0      1.0
    
    >>> df.sort_index(1, False) # here 'False' means DESCENDING for respective axis
              stories    price  lotsize  id  bedrooms  bathrms
    types                                                     
    classic       1.0  36000.0   2880.0  14       3.0      1.0
    bungalow      1.0  90000.0   7200.0  11       3.0      2.0
    classic       1.0  37000.0   3600.0  15       2.0      1.0
    classic       2.0  27000.0   1700.0  13       3.0      1.0
    classic       1.0  30500.0   3000.0  12       2.0      1.0
    
    >>> df.sort_index(1, True, 'mergesort')
              bathrms  bedrooms  id  lotsize    price  stories
    types                                                     
    classic       1.0       3.0  14   2880.0  36000.0      1.0
    bungalow      2.0       3.0  11   7200.0  90000.0      1.0
    classic       1.0       2.0  15   3600.0  37000.0      1.0
    classic       1.0       3.0  13   1700.0  27000.0      2.0
    classic       1.0       2.0  12   3000.0  30500.0      1.0