基于条件指定升降序，对Pandas DataFrame多列排序

核心思路 #

利用Pandas的sort_values()方法，通过多列排序参数组合实现需求：先按Similarity降序，再依次按用户指定的偏好列（最多5列）按自定义升降序排序。该方法原生支持多列排序，且可给每列单独指定排序方向。

步骤与代码示例 #

1. 准备测试数据（替换为你的DataFrame即可）

import pandas as pd

# 构造示例DataFrame
data = {
    'Similarity': [0.9, 0.9, 0.8, 0.9, 0.8],
    'crime': [5, 3, 2, 3, 4],
    'education': [80, 90, 85, 85, 95],
    'income': [50000, 60000, 55000, 58000, 62000]
}
df = pd.DataFrame(data)

2. 定义用户偏好与排序规则

用字典存储各偏好列的升降序要求（True为升序，False为降序），同时指定用户输入的偏好列列表：

# 用户输入的偏好列列表（最多5列）
preference_cols = ['crime', 'education']

# 各列的排序规则：键为列名，值为升降序
sort_rules = {
    'crime': True,       # crime列升序（数值越小越好）
    'education': False   # education列降序（数值越大越好）
}

3. 整理排序参数并执行排序

将Similarity列作为主排序项，后跟偏好列；同时生成对应的排序方向列表：

# 组合排序列：先Similarity，再按用户偏好列顺序
sort_columns = ['Similarity'] + preference_cols

# 生成排序方向：Similarity降序，后续列按规则指定
sort_orders = [False] + [sort_rules[col] for col in preference_cols]

# 执行排序
sorted_df = df.sort_values(by=sort_columns, ascending=sort_orders)

4. 查看结果

print(sorted_df)

输出结果：

Similarity  crime  education  income
1         0.9      3         90   60000
3         0.9      3         85   58000
0         0.9      5         80   50000
4         0.8      4         95   62000
2         0.8      2         85   55000

排序逻辑验证：

• 优先按Similarity降序排列（0.9的行在前）
• Similarity相同的行，按crime升序（3 < 5）
• crime也相同时，按education降序（90 > 85）

注意事项 #

• 确保偏好列名称与DataFrame中的列名完全一致，避免KeyError
• 若偏好列存在未在sort_rules中定义的情况，可通过sort_rules.get(col, True)设置默认排序方向（示例中默认升序）
• 用户输入的偏好列列表顺序决定了排序优先级，列表越靠前的列，优先级越高

内容的提问来源于stack exchange，提问作者InspiredPup