当DataFrame排序列存在重复值时，其排序逻辑是怎样的？

问题场景 #

我在处理股票数据DataFrame时，执行以下逻辑：按timestamp列排序，再按date分组取每组前40条数据：

df_hourly.reset_index(inplace=True)
df_hourly['date'] = df_hourly['timestamp'].dt.date
df_hourly.drop_duplicates(subset=['date', 'symbol'], keep='first', inplace=True)
df_hourly = df_hourly.sort_values(by = ['timestamp'], ascending = [True]).groupby('date').head(40)
df_hourly.reset_index(inplace=True, drop=True)

由于timestamp列存在大量重复值（如示例中多条行的timestamp均为2022-10-03 09:00:00-04:00），多次运行后分组选取的前40条结果有时稳定、有时变化。虽然通过添加第二排序列（如close，代码如下）可以强制固定顺序，但想明确仅按单一重复列排序时，DataFrame是如何确定重复值顺序的。

df_hourly = df_hourly.sort_values(by = ['timestamp', 'close'], ascending = [True, False]).groupby('date').head(40)

核心规则 #

• pandas的sort_values()默认使用quicksort（快速排序）算法，这种算法属于不稳定排序：值相等的元素，排序后的相对位置无法保证与原DataFrame一致，且可能在多次运行中出现随机波动——这是因为快速排序的分区逻辑受底层内存分布、数据块存储等因素影响，重复值的排序顺序没有强制约束。
• 如果需要让重复值保留原DataFrame中的相对顺序，可以在sort_values()中指定kind='stable'参数，此时会使用稳定排序算法（如mergesort），重复值的顺序将固定不变。
• 添加第二排序列能固定结果的原因：此时排序键是多列组合，重复概率极低，排序顺序完全由列值决定，不受排序算法稳定性的影响。

内容的提问来源于stack exchange，提问作者bnye