Pandas sort_values()无法正确排序负值问题求助

你遇到的问题核心在于：assign() 和 sort_values() 都是非原地操作——它们会返回一个修改后的新DataFrame，但不会直接改变原始的df对象。你的代码没有将这些返回的新对象重新赋值给df，因此原始DataFrame始终保持未修改的状态，看起来就像排序没生效。

具体来看你的代码：

• df.assign(X=df.X.astype(float))：生成了一个X列转为float类型的新DataFrame，但你没有把这个新对象赋值给df，所以原始df的X列（在你的示例中本来就是float类型，但实际从文件读取的数据可能不同）没有被更新。
• df.sort_values('X')：生成了按X列排序后的新DataFrame，但同样没有赋值回df，原始df依然是初始的无序状态。

有两种方式可以修正这个问题：

1. 重新赋值给原变量 #

将assign()和sort_values()返回的新DataFrame重新赋值给df，覆盖原始对象：

import pandas as pd
d = {'X': [0.667, 0.667, -0.667, -0.667, 0.667, -0.667, 2, 2, -2, -2, 2, -2],
     'Y': [0.5, -0.5, 0.5, -0.5, 0, 0, 0.5, -0.5, 0.5, -0.5, 0, 0]}
df = pd.DataFrame(data=d)
# 捕获类型转换后的新DataFrame
df = df.assign(X=df.X.astype(float))
# 捕获排序后的新DataFrame
df = df.sort_values('X')
print(df)

2. 使用原地操作参数（仅适用于sort_values） #

sort_values()支持inplace=True参数，直接在原始DataFrame上完成排序；但assign()没有原地操作选项，必须通过重新赋值实现：

import pandas as pd
d = {'X': [0.667, 0.667, -0.667, -0.667, 0.667, -0.667, 2, 2, -2, -2, 2, -2],
     'Y': [0.5, -0.5, 0.5, -0.5, 0, 0, 0.5, -0.5, 0.5, -0.5, 0, 0]}
df = pd.DataFrame(data=d)
# 类型转换必须重新赋值
df = df.assign(X=df.X.astype(float))
# 原地排序，无需重新赋值
df.sort_values('X', inplace=True)
print(df)

内容的提问来源于stack exchange，提问作者Réka