多列排序基础：sort_values 的基本用法
基础参数理解
在 Pandas 的排序操作中，sort_values 是最常用的多列排序入口。通过参数 by 指定要排序的列，ascending 可以传入布尔值或布尔列表，决定每一列的排序方向。理解这一点是实现多列排序的关键。此处要注意，默认 axis=0，也就是按行进行排序，且 inplace=False 表示返回新对象。对于稳定性需求，可以通过 kind 参数切换排序算法。
在实际应用中，正确组合 by 与 ascending，能够实现像“优先级较高的列先排序，再按次级列排序”的需求。对于 NaN 的放置位置，可以借助 na_position 参数控制，常见取值为 'first' 或 'last'，从而影响排序后的空值分布。下面给出一个最简示例，展示多列排序的核心逻辑。
import pandas as pddf = pd.DataFrame({'category': ['B', 'A', 'B', 'A'],'price': [20.5, 10.0, 30.0, 25.0],'sales': [200, 450, 120, 300]
})# 按 category 升序、price 降序进行排序，空值放在最后
df_sorted = df.sort_values(by=['category', 'price'], ascending=[True, False], na_position='last')
print(df_sorted)sort_values 的使用场景非常丰富，除了上述基本写法，您还可以通过 inplace、axis、kind 等参数，进一步定制排序行为。对于 SEO 友好性，掌握这组核心参数是理解后续进阶技巧的基础。
常见错误与处理
在进行多列排序时，最常见的错误之一是 ascending 的长度与 by 列的数量不一致，导致 ValueError。另外，若涉及到类别型数据，未对 dtype 进行正确处理，可能导致排序结果不符合预期。为避免这种情况，可以先对目标列的 dtype 做显式设置，再执行排序。
下面的示例展示了一个典型错误以及正确处理方式。
# 错误示例：ascending 与 by 长度不一致
df.sort_values(by=['category','price'], ascending=[True])# 正确示例：保持长度一致
df.sort_values(by=['category','price'], ascending=[True, False])除了长度问题，NaN 的处理也会影响排序结果。对 NaN 的位置进行明确设定，可以让排序结果在数据缺失时更具可预测性；同时，若某列包含 mix 的数据类型，排序逻辑可能会变得不可预期，此时应统一数据类型再排序。
自定义排序顺序与复杂场景
按列排序顺序控制
除了简单地指定布尔型的 ascending，对于某些列还可以使用类别排序来实现自定义顺序。将目标列转换为有序的 pd.Categorical，并给出明确的 categories，可以实现像“低-中-高”这样的自定义排序等级。排序优先级仍由 by 的顺序决定，越靠前的列拥有更高优先级。
示例中，先把 priority 列转换为有序类别，再与其他列组合排序。
import pandas as pddf = pd.DataFrame({'priority': ['low', 'high', 'medium', 'low'],'order_date': pd.to_datetime(['2024-01-05','2024-01-03','2024-01-04','2024-01-02']),'value': [5, 9, 3, 7]
})# 将 priority 转为有序分类
df['priority'] = pd.Categorical(df['priority'], categories=['low','medium','high'], ordered=True)# 先按 priority（自定义排序），再按 order_date 升序排序
df_sorted = df.sort_values(by=['priority','order_date'], ascending=[True, True])
print(df_sorted)pd.Categorical 的有序特性使得自定义排序变得直观，特别适用于业务规则明确定义的等级排序场景。在SEO语义层面，这类技巧也提升了文章的专业性与可检索性。
多列混合排序与 NaN 处理
当多列排序组合中包含 NaN 时，前几位排序列的 NaN 分布会直接影响最终排序分布。通过设置 na_position，可以选择将 NaN 放在前面还是后面，帮助在缺失值较多时保持良好的排序可读性。对于对象型列，若希望忽略大小写差异，可以结合 key 参数进行字符串标准化，然后再执行排序。
下面的示例展示两种控制 NaN 的方式，以及一个使用 key 的简单变换。
import pandas as pddf = pd.DataFrame({'group': ['A', None, 'B', 'A'],'name': ['alice', 'Bob', None, 'CHARLIE'],'score': [88, 92, 75, 88]
})# NaN 放在前面，name 字符串按大写比较
df_sorted = df.sort_values(by=['group','name'],ascending=[True, True],na_position='first',key=lambda col: col.str.upper() if col.dtype == 'object' else col
)
print(df_sorted)实战案例解析：从数据清洗到排序结果
案例一：销售数据按类别与价格排序
在企业销售分析中，常需要先按产品类别聚合，再对价格进行排序，以便快速发现高价位产品的分布。通过 sort_values 可以实现“类别优先、价格次优”的排序策略，同时保留缺失值的明确位置。
以下代码演示了一个典型场景：按 category 升序、price 降序排序，na_position 设置为 'last'，便于缺失值在末尾集中展示。
import pandas as pddf = pd.DataFrame({'category': ['Electronics', 'Appliances', None, 'Electronics'],'price': [299.99, None, 89.99, 399.99],'sales': [1200, 540, 210, 980]
})df_sorted = df.sort_values(by=['category','price'], ascending=[True, False], na_position='last')
print(df_sorted)在这一案例中，排序逻辑的核心在于明确的优先级顺序以及对缺失值的可控处理，这也是确保报表稳定性的关键。
案例二：用户行为数据的多维排序
对于用户行为分析，往往希望以行为强度或时序特征作为排序主轴，再结合次级维度进行二次排序。通过组合 by、ascending 与 na_position，可以实现对多维数据的清晰排序。
下面的示例展示如何对一个包含 user_id、activity、timestamp、duration 的数据集进行多列排序：先按 activity 的分类顺序排序，再按 duration 值进行降序排序，缺失值放在末尾。
import pandas as pddf = pd.DataFrame({'user_id': [102, 205, 102, 304],'activity': ['click', 'view', 'purchase', 'click'],'timestamp': pd.to_datetime(['2024-02-01','2024-02-03','2024-01-28','2024-02-02']),'duration': [5.2, 3.1, None, 7.8]
})# 将 activity 视作排序主轴，按 duration 降序次级排序
df_sorted = df.sort_values(by=['activity','duration'], ascending=[True, False], na_position='last')
print(df_sorted)性能与稳定性优化
优化点与注意事项
在大数据场景下，排序是一个较昂贵的操作。为了提升性能，可以考虑以下要点：尽量减少内存拷贝，使用 inplace=True 时需要谨慎，确保后续引用不受影响；若排序时需保持稳定性，可以显式将 kind 设置为 'mergesort'，这是一个稳定排序方法。
另外，结合数据清洗阶段的处理，可以先对需要参与排序的列进行类型规范化，如将日期列统一为 datetime、将分类列转为 pd.Categorical，以降低排序时的类型转换成本。
最后，若目标是对整列或整组数据进行快速排序，使用 sort_values 的多列版本通常比逐列排序再合并要高效且简洁。
import pandas as pd
import numpy as np# 构造示例大数据框
df = pd.DataFrame({'cat': pd.Categorical(list('BBBAAABBB'), categories=['A','B','C'], ordered=True),'val': np.random.randn(9),'date': pd.date_range('2024-01-01', periods=9)
})# 使用稳定排序以确保相同键的相对顺序保持
df_sorted = df.sort_values(by=['cat','date','val'], ascending=[True, True, False], kind='mergesort')
print(df_sorted)与其他排序方法的对比
除了 sort_values，还有与之相关的排序选项，例如 sort_index，用于按索引排序；以及 key 参数，它允许在排序前对列进行预处理，从而提升自定义化程度。在实际工作流中，sort_values 与 sort_index 常结合使用，以实现按数据键和值键的混合排序策略。
利用 key 参数进行预处理时，可以实现诸如忽略大小写、数值标准化等操作，再进行多列排序，提升排序结果的可读性与一致性。
以上内容围绕标题“Python 多列排序技巧：Pandas sort_values 的实战指南与案例解析”展开，聚焦于 Pandas sort_values 的多列排序技巧、案例解析与性能优化。通过实际代码示例与参数解读，帮助读者在数据分析与数据科学工作流中高效落地排序任务。
