Dataframe 有一个sort_index方法，默认返回一个副本。传递inplace=True以就地操作。

import pandas as pd
df = pd.DataFrame([1, 2, 3, 4, 5], index=[100, 29, 234, 1, 150], columns=['A'])
df.sort_index(inplace=True)
print(df.to_string())

给我：

A
1    4
29   2
100  1
150  5
234  3

稍微更紧凑：

df = pd.DataFrame([1, 2, 3, 4, 5], index=[100, 29, 234, 1, 150], columns=['A'])
df = df.sort_index()
print(df)

注：

• sort已弃用，在此方案中已替换为sort_index
• 最好不要使用inplace，因为它通常更难读取并防止链接。请参见此处答案中的解释：Pandas: peculiar performance drop for inplace rename after dropna

如果DataFrame索引的名称为，则也可以使用sort_values()按名称排序。例如，如果索引的名称为lvl_0，则可以按此名称排序。如果 Dataframe 是从groupby或pivot_table操作获得的，则这种特殊情况很常见。

df = df.sort_values('lvl_0')

如果索引具有名称，您甚至可以同时按**索引和列值进行排序。例如，下面的代码同时按索引和列A值进行排序：

df = df.sort_values(['lvl_0', 'A'])

如果有MultiIndex Dataframe ，则可以使用level=参数按索引级别排序。例如，如果要按第二级降序排序，按第一级升序排序，则可以使用以下代码执行此操作。

df = df.sort_index(level=[1, 0], ascending=[False, True])

如果索引有名字，同样，你可以调用sort_values()，例如，下面的代码按照索引'lvl_1'和'lvl_2'排序。

df = df.sort_values(['lvl_1', 'lvl_2'])