参数说明：
by: 可以填入字符串或者字符串组成的列表。也就是说， 如果axis=0，那么by="列名"；如果axis=1，那么by="行名"。
axis: {0 or ‘index’, 1 or ‘columns’}, default 0，意思就是如果 axis=0，就按照索引排序，即纵向排序；如果axis=1，则按列排序，即横向排序。默认是axis=0 。
ascending: 输入布尔型， True是升序 ， False是降序 ，也可以可以是[True,False]，即第一个字段升序，第二个字段降序 。
inplace : 输入布尔型，是否用排序后的数据框替换现有的数据框
kind: 排序的方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}，默认是使用‘quicksort’。这个参数用的比较少，大家可以试一试。
na_position : {‘first’, ‘last’}， 缺失值的排序 ，也就说决定将缺失值放在数据的最前面还是最后面 。first是排在前面，last是排在后面，默认是用last 。
例子：
scores= pd.DataFrame([[87,56,85],[46,87,97],[34,65,86]],columns=['jack', 'rose', 'mike'])
scores
1.对‘rose’这一列进行降序排序：
df_sc=scores.sort_values(by='rose',ascending=False)
df_sc
2.对第0行进行升序排序：
scores.sort_values(by=0,axis=1,ascending=True)
3.第1行进行升序，第0行进行降序：
scores.sort_values(by=[1,0],axis=1,ascending=[True,False]
4.观察数据
data.head：
查看数据的前五行。
data.tail：
查看数据的后五行。
data.shape ：
查看矩阵或数组的维数，或者是说数据表的结构（有几行几列）。
data.info ：
查看数据的基本信息，如：数据类型、缺失值数量等。
#brand目标：中文-中英-英文
2.1 包含中文，纯英文
for i in range(0,len(file1)):
result = re.compile(u'[\u4e00-\u9fa5]')
contents = file1['brand'][i]
match = result.search(contents)
if match:
file1.loc[i,['index1']]=0 #0为包含中文
else:
file1.loc[i,['index1']]=1 #1为纯英文
2.1 包含英文，纯中文
for i in range(0,len(file1)):
file1.loc[i,['index2']]=len(re.findall('[a-zA-Z]+', file1['brand'][i]) ) #0为纯中文，1为包含英文
字典的学习目标分为四个：
第一个是字典的应用场景（作用）；
第二个是创建字典的语法；
第三个是字典常见操作，
第四个是字典的循环遍历。
思考1： 如果有多个数据，例如：’Rose’，’女’，’30’，如何快速存储这些数据？
答：列表
思考2： 如何查找到数据’Rose’
答： 查找到下标为0的数据即可
思考3：如果将来数据顺序发生变化，如下所示，还能用下标访问到数据’Rose’吗？
答： 不能，数据’Rose’此时下标为2
思考4： 数据顺序发生变化，每个数据的下标也会随之变化，如何保证数据顺序变化前后能使用同一种方法查找数据呢？
答：使用字典，字典里面的数据是以键值对的形式出现的，字典数据和数据顺序没有关系，即字典不支持下标，后期无论数据如何变化，只需要按照对应的键的名字查找数据即可。
字典特点：
以下是创建字典的3种方法。
