Python Pandas DataFrame按某一列排序：sort_values用法详解

在 Pandas 中对表格数据进行按列重排，最核心、最直接的方法是调用 DataFrame.sort_values()。其基本语法为 df.sort_values(by='目标列名')。默认情况下，该方法按照升序（由小到大、由低到高）排列整行数据，并返回一个新的 DataFrame。掌握该方法的核心在于理清排序列指定、升降序切换、缺失值安放位置以及行索引的处理方式。

一、核心机制与工作原理

理解 sort_values 的关键在于明确“按某一列排序”并非只移动该列自身的数值，而是以该列为基准，带动所有关联字段进行整行位移。Pandas 会提取目标列中的各个值，通过内部排序算法生成对应的数据行映射索引，再按此映射顺序重新组装整个 DataFrame。

需要特别留意的是，Pandas 默认会完整保留原有的行索引编号（Index），并将其随行数据一同移动。这意味着排序后的表格第一行索引未必是 0。若希望重置为顺序索引，则需要配合 ignore_index 参数。

二、基础操作与完整示例

在日常数据清洗与分析中，单列排序的使用频次最高。下面通过构建一个员工信息表，演示从初始数据准备到升序、降序排序的具体步骤。

1. 准备示例数据

import pandas as pd

# 构建示例员工数据
data = {
    '姓名': ['张三', '李四', '王五', '赵六', '钱七'],
    '部门': ['技术', '市场', '技术', '运营', '市场'],
    '薪资': [8500, 6200, 9800, 7400, 11000],
    '工龄': [3, 1, 5, 2, 4]
}
df = pd.DataFrame(data)
print(df)

2. 单列升序排序（默认）

当只传入 by='薪资' 时，Pandas 默认使用升序排列（从最低薪资到最高薪资）：

# 按薪资升序排列
df_asc = df.sort_values(by='薪资')
print(df_asc)

3. 单列降序排序（ascending=False）

如果业务需求需要从高到低排列（例如筛选薪资最高的员工），只需设置 ascending=False：

# 按薪资降序排列
df_desc = df.sort_values(by='薪资', ascending=False)
print(df_desc)

三、核心参数行为与对比分析

DataFrame.sort_values 的完整函数签名包含多个参数：

DataFrame.sort_values(
    by,
    axis=0,
    ascending=True,
    inplace=False,
    kind='quicksort',
    na_position='last',
    ignore_index=False,
    key=None
)

在实际编码中，除 by 之外，最为关键且容易产生行为差异的参数有 4 个：ascending、na_position、ignore_index 以及 inplace。各参数的核心功能与典型取值如下表所示：

1. 缺失值处理：na_position 参数

真实业务数据往往包含空值（NaN）。默认情况下，na_position='last' 会把缺失值丢在最后；如果业务需要优先审查缺失项，可显式指定 na_position='first'：

import numpy as np

# 构造含缺失值的测试数据
df_with_nan = pd.DataFrame({
    '项目': ['A', 'B', 'C', 'D'],
    '评分': [88.5, np.nan, 92.0, np.nan]
})

# 将缺失值排在最前
df_nan_first = df_with_nan.sort_values(by='评分', na_position='first')
print(df_nan_first)

2. 规范行号：ignore_index 参数

如果不希望在排序后看到错乱的旧行索引，推荐直接在 sort_values 中设置 ignore_index=True，无需额外调用 reset_index(drop=True)：

# 排序后直接重置索引为 0, 1, 2...
df_clean_index = df.sort_values(by='薪资', ignore_index=True)
print(df_clean_index)

3. 自定义函数排序：key 参数

在 Pandas 1.1.0 及更高版本中引入了 key 参数。它接收一个函数，并在排序前将该函数映射到指定列，按转换后的结果计算大小，但最终输出的数据依然保持原样。例如希望按字符串长度或者忽略大小写排序：

df_text = pd.DataFrame({
    '城市': ['北京', '乌鲁木齐', '上海', '呼和浩特']
})

# 按城市名称字数长短升序排序
df_len_sorted = df_text.sort_values(by='城市', key=lambda col: col.str.len())
print(df_len_sorted)

四、进阶场景：多列优先级组合排序

在实际报表中，单纯的一列排序往往无法满足业务逻辑。例如“先按部门分组，同一个部门内再按薪资由高到低排列”。此时可以将 by 和 ascending 都传入列表：

# 多列组合排序：部门升序，部门内部薪资降序
df_multi = df.sort_values(
    by=['部门', '薪资'],
    ascending=[True, False],
    ignore_index=True
)
print(df_multi)

执行逻辑说明：Pandas 首先依据列表中的第一个元素 '部门' 进行排序；当遇到部门名称完全相同的数据行时，再依据第二个元素 '薪资' 按对应的降序规则进行次级排序。

五、常见错误与避坑指南

• 误用 sort_index() 代替 sort_values()：sort_index() 是基于行或列的索引标签排序，而非基于列内的实际数据内容。如果想按某一列的数值高低排列，必须使用 sort_values(by=...)。
• 未接收返回值导致原数据未改变：许多初学者执行了 df.sort_values(by='薪资') 之后，打印 df 发现顺序完全没变。这是因为默认 inplace=False，原对象并未被改写。正确做法是将其赋值给新变量 df_sorted = df.sort_values(...)。尽量避免在生产环境滥用 inplace=True，因为就地修改不利于构建链式数据流水线。
• 列名拼写或大小写不匹配：by 传入的列名必须与 df.columns 中的名称完全一致（区分中英文字符与大小写），否则会直接抛出 KeyError。在编写动态脚本时，建议先使用 if '列名' in df.columns 进行存在性校验。
• 混合数据类型的隐式比较问题：如果排序列中同时混杂了字符串和数值（例如 ['10', 2, '20']），Python 3 会抛出 TypeError: '<' not supported between instances of 'int' and 'str'。排序前应先使用 pd.to_numeric() 统一数据类型。

六、总结与实战速查

为了在日常编码中快速选定正确的排序参数与写法，下方的速查决策图总结了不同业务场景下的推荐组合方式：