Pandas多列排序异常：字符串+整数列HP未按预期升序排列

你遇到的问题是使用df.sort_values(['Name', 'HP'], ascending=[0,1])进行多列排序时，整数列HP未按预期升序排列，仅字符串列Name降序生效。核心原因大概率是数据类型不匹配或字符串列的分组逻辑不符合预期，以下是针对性的排查和解决步骤：

1. 检查HP列的数据类型 #

如果HP列存储为字符串类型（而非数值型），pandas会按字符串字典序排序，而非数值大小排序，这会导致看起来像是“随机”的结果。

先查看列类型：

print(df.dtypes)

如果HP的类型是object，执行转换：

import pandas as pd
df['HP'] = pd.to_numeric(df['HP'], errors='coerce')  # 转换为数值，无法转换的设为NaN

转换后再执行排序操作，数值列就能正常按大小升序排列。

2. 排查Name列的分组逻辑 #

如果Name列存在大小写差异（比如"Bob"和"bob"），pandas会将它们视为不同值，导致相同语义的Name被分成不同组，使得HP的排序效果看起来混乱。

可以统一转换为小写（或大写）后再排序：

# 临时生成小写列用于排序
df['Name_normalized'] = df['Name'].str.lower()
# 按归一化后的Name降序、HP升序排序
df = df.sort_values(['Name_normalized', 'HP'], ascending=[False, True])
# 删除临时列
df = df.drop('Name_normalized', axis=1)

3. 处理缺失值 #

如果HP列存在NaN值，pandas默认会将所有含NaN的行放到排序结果的末尾，这也可能造成“随机”的视觉效果。

先检查缺失值：

print(df[df['HP'].isna()])

根据需求处理缺失值，比如填充为0：

df['HP'] = df['HP'].fillna(0)

或者直接删除含缺失值的行：

df = df.dropna(subset=['HP'])

4. 强制使用稳定排序算法 #

pandas的sort_values默认使用非稳定排序算法（quicksort），如果原数据中相同Name的行顺序混乱，可能导致排序结果不符合预期。可以指定稳定排序算法：

df.sort_values(['Name', 'HP'], ascending=[False, True], kind='mergesort')

5. 升级pandas版本 #

旧版本的pandas可能存在多列排序的bug，升级到最新稳定版可以解决此类问题：

pip install --upgrade pandas

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