SPSS sort cases by与Python sort_values排序结果不同的解决咨询

核心原因 #

SPSS的sort cases by采用稳定排序——相同排序键值的记录会保留原始数据中的相对顺序，同时对缺失值位置有固定处理逻辑；而Pandas的sort_values默认行为在不同版本可能存在差异，比如旧版本默认使用不稳定的快速排序，或缺失值处理逻辑与SPSS不符，最终导致排序结果不一致。

调整Python代码的步骤 #

1. 强制启用稳定排序 #

修改sort_values的kind参数为'stable'，确保相同variable1值的记录保持原始顺序，完全对齐SPSS的排序逻辑：

import pandas as pd
df_sorttest = pd.read_spss('C:\\Data\\sorttest.sav')
# 启用稳定排序，匹配SPSS行为
df_sorttest = df_sorttest.sort_values(by=['variable1'], kind='stable')

2. 统一缺失值处理逻辑 #

SPSS默认将系统缺失值放在升序排序结果的末尾，如果你的SPSS设置不同（比如将缺失值放在开头），需要调整na_position参数：

• 缺失值放末尾（匹配SPSS默认）：na_position='last'（Pandas默认值，可省略）
• 缺失值放开头：na_position='first'

示例代码：

df_sorttest = df_sorttest.sort_values(by=['variable1'], kind='stable', na_position='last')

3. 验证数据类型一致性 #

检查Pandas读取的variable1数据类型是否与SPSS一致，避免类型转换导致的排序偏差：

print(df_sorttest['variable1'].dtype)

如果是字符串类型，确认编码匹配；如果是日期/数值类型，检查格式转换是否正常。

结果验证 #

将Pandas排序后的结果导出，与SPSS排序后的数据集对比相同键值组内的记录顺序，确认是否一致。

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