Pandas DataFrame双列排序失效问题求助

问题出在哪 #

从数据情况来看，x列大概率是字符串类型而非数值类型。字符串排序是按单个字符的顺序比较的，比如"10"会排在"2"前面，这和你预期的数值升序逻辑完全不符，所以才会出现排序结果不符合预期的情况。

怎么修复 #

1. 先确认数据类型
   运行以下代码查看各列的数据类型：

   print(df_reference.dtypes)
   

   如果x列显示为object，就说明它是字符串类型，需要转换为数值类型。

2. 将x列转为数值类型
   使用这行代码完成类型转换：

   df_reference['x'] = pd.to_numeric(df_reference['x'], errors='coerce')
   

   参数errors='coerce'会把无法转换为数值的内容转为NaN，后续你可以根据实际情况处理这些异常值。

3. 重新执行排序
   转换类型后再执行排序操作：

   df_reference.sort_values(by=['x','y'], inplace=True, ascending=[True, False])
   print(df_reference)
   

更省事的优化：读取文件时直接指定类型 #

你也可以在读取文件阶段就指定列的数据类型，省去后续转换的步骤：

df_reference = pd.read_csv(
  "reference.txt",
  delim_whitespace=True,
  names=["x", "y"],
  index_col=False,
  dtype={'x': int, 'y': int}  # 如果是小数就改成float
)
df_reference.sort_values(by=['x','y'], inplace=True, ascending=[True, False])
print(df_reference)

内容的提问来源于stack exchange，提问作者mehrdad