如何在Pandas中独立排序DataFrame多列（不保留数据关联性）

不需要借助sort_values的key参数实现，因为sort_values本质是基于行的排序（会保留行内列的关联）。要实现各列独立排序，直接对每一列单独排序后重新构造DataFrame即可：

实现代码 #

import pandas as pd

records = [
    {"a": 10, "b": 22},
    {"a": 11, "b": 21},
    {"a": 60, "b": 200},
    {"a": 70, "b": 40},
    {"a": 10, "b": 30},
]

df = pd.DataFrame.from_records(records)

# 按需求独立排序各列：a列升序，b列降序
df_sorted = pd.DataFrame({
    "a": df["a"].sort_values(ascending=True).values,
    "b": df["b"].sort_values(ascending=False).values
})

print(df_sorted)

运行结果 #

a    b
0  10  200
1  10   40
2  11   30
3  60   22
4  70   21

说明 #

• 这种方式完全断开了原行的列关联，每一列都是独立排序后的结果。
• 无需自定义复杂排序算法，直接利用pandas内置的sort_values处理单列即可满足需求。
• 若强行使用sort_values的key参数，无法打破行数据的关联性，因为该参数仅用于生成每列的排序键，最终排序仍基于行的整体逻辑，不适合实现列独立排序。

内容的提问来源于stack exchange，提问作者Rodrigo