Pandas：如何按两列对DataFrame排序（首列优先，重复看次列）

嘿，这个需求在Pandas里处理起来超简单！咱们直接用sort_values()方法就能完美实现你要的「优先按第一列排序，仅当第一列值重复时再参考第二列」的规则。

核心用法 #

你只需要把要排序的列名按优先级顺序放到by参数的列表里就行——列表的第一个元素是最高优先级的列，第二个是次优先级，以此类推。

基本语法：

# 假设你的DataFrame是df，要按col1优先、col2次之排序
df_sorted = df.sort_values(by=['col1', 'col2'])

自定义排序方向 #

默认情况下所有列都是升序排序，如果需要给不同列指定不同的排序方向，可以用ascending参数（同样是列表，顺序和by对应）：

# col1升序，col2降序
df_sorted = df.sort_values(by=['col1', 'col2'], ascending=[True, False])

实操示例 #

给你举个具体的例子，一看就懂：

import pandas as pd

# 创建示例DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Alice', 'Charlie', 'Bob'],
    'Score': [85, 78, 92, 88, 82]
}
df = pd.DataFrame(data)

# 按Name优先，Score次之排序
df_sorted = df.sort_values(by=['Name', 'Score'])
print(df_sorted)

输出结果会是：

Name  Score
0    Alice     85
2    Alice     92
1      Bob     78
4      Bob     82
3  Charlie     88

可以看到，先把相同Name的行归到一起，然后在每个Name组内按Score升序排列，完全符合你的要求。

原地排序小技巧 #

如果你不想创建新的DataFrame，而是直接修改原数据，可以加上inplace=True参数：

df.sort_values(by=['col1', 'col2'], inplace=True)

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