如何实现无需指定全部值的DataFrame自定义排序？

我需要对DataFrame的cat列排序，要求先显示economics，再显示library，剩下的行保持原DataFrame里的顺序，不需要指定所有类别值。

示例数据 #

import pandas as pd
import numpy as np

order = ["economics","library"]

df = pd.DataFrame({
    "cat": ["library", "economics", "science", np.NaN]
})

期望输出 #

cat
1  economics
0  library
2  science
3       NaN

原尝试代码（存在语法错误与逻辑漏洞） #

# 原代码的语法错误：lambda定义格式错误，且未处理不在order中的值
df.sort_values("cat", key=lambda column: column.map(lambda x: order.index(x)))

问题说明：当x不在order列表中（比如science、NaN），order.index(x)会直接抛出ValueError，无法完成排序。

正确解法 #

方法1：映射排序键+保留原索引（推荐） #

通过自定义排序键，将指定类别映射为优先级高的数字，其余类别映射为统一的高优先级数字，同时结合原索引确保非指定类别保留原顺序：

# 生成排序键：指定类别按order顺序取索引，其余设为order长度（确保排在后面），NaN也统一处理
df_sorted = (
    df.assign(
        sort_key=df["cat"].map(lambda x: order.index(x) if x in order else len(order)).fillna(len(order)),
        original_idx=df.index
    )
    .sort_values(by=["sort_key", "original_idx"])
    .drop(columns=["sort_key", "original_idx"])
)

print(df_sorted)

输出结果完全符合需求：指定类别按order顺序排列，其余行严格保留原DataFrame的出现顺序。

方法2：利用Categorical类型 #

借助Pandas的Categorical类型定义有序类别，再基于类别码排序：

# 基于order创建有序类别，不在order中的值会被标记为-1，填充为order长度确保排在后面
df_sorted = df.sort_values(
    by="cat",
    key=lambda col: pd.Categorical(col, categories=order, ordered=True).codes.fillna(len(order))
)

这种方式更简洁，但如果需要严格保留非指定类别的原顺序，还是需要结合原索引排序（同方法1的逻辑）。

内容的提问来源于stack exchange，提问作者arv