1、前提：加载numpy,pandas和Series,DataFrame。
生成一个Series，指定索引，具体如图
2、Series的按索引排序和按值排序。
分别使用s1.sort_index()和s1.sort_values()对s1按索引和值进行排序。
如图
3、Series如果有缺失值，那么用sort_values方法排序后，缺失值将会被放在Series的末尾，如图
4、Series的排名。
这里新生成一个Series，名称是s3,
使用s3.rank()或s3.rank(method='average')均可对s3分配平均排名，如图
5、如果要根据值在原Series的出现顺序排名，则需要使用s3.rank(method='first')，此处method=‘first’即可保证让值在原数据中的出现顺序进行排名，如图
6、Series的降序排名和升序排名。
s3.rank(ascending=False,method='max')表示s3降序并按分组最大排名；s3.rank(ascending=True,method='min')表示s3升序并按分组最小排名；
如图
