如何对Pandas DataFrame按多列排序且首列实现自然排序？

你的代码错误原因 #

你之前的sort_values调用中，key参数的用法完全错误：

• Pandas的key参数在处理多列排序时，要么是对by中的每一列单独应用对应函数，要么是接收by指定列组成的DataFrame，返回用于排序的键DataFrame。
• 你的代码里lambda x: np.argsort(index_natsorted(inFrame['Col_Arg']))直接返回了一个固定的索引数组，这个数组是基于原始DataFrame的Col_Arg列生成的，完全忽略了Col_Step列的存在。排序时只会按照这个固定索引数组重新排列行，导致Col_Step的排序规则完全失效，相同Col_Arg的行只会保留原始数据中的相对顺序。

正确的多列自然排序实现 #

方法一：使用字典形式指定各列的key（Pandas 1.4.0+支持） #

针对Col_Arg列应用自然排序，Col_Step列使用默认数值排序，直接用字典为每列指定对应的处理函数：

import natsort
import pandas as pd

# 示例输入数据
inFrame = pd.DataFrame({
    'Col_Arg': ['1 First', '2 Second', '1 First'],
    'Col_Step': [20, 10, 10]
})

# 多列排序：Col_Arg自然排序，Col_Step升序
sortedFrame = inFrame.sort_values(
    by=['Col_Arg', 'Col_Step'],
    key={'Col_Arg': lambda s: natsort.index_natsorted(s), 'Col_Step': lambda s: s}
)

执行后得到的正确结果：

方法二：兼容低版本Pandas的写法 #

如果你的Pandas版本低于1.4.0，不支持字典形式的key，可以构造包含排序键的DataFrame作为返回值：

sortedFrame = inFrame.sort_values(
    by=['Col_Arg', 'Col_Step'],
    key=lambda df: pd.DataFrame({
        'Col_Arg': natsort.index_natsorted(df['Col_Arg']),
        'Col_Step': df['Col_Step']
    })
)

这个lambda函数接收by指定的两列组成的DataFrame，返回一个新的DataFrame，其中Col_Arg列是自然排序的索引，Col_Step列保留原数值，Pandas会按这个新DataFrame的列顺序完成排序。

后续需求：设置初始为10、步长10的索引 #

排序完成后，你可以通过以下代码设置新的索引：

# 先重置原索引（避免保留原始行号）
sortedFrame = sortedFrame.reset_index(drop=True)
# 设置从10开始，每次递增10的索引
sortedFrame.index = pd.RangeIndex(start=10, stop=10 + len(sortedFrame)*10, step=10)

执行后，sortedFrame的索引会是[10, 20, 30]（对应示例中的3行数据）。

内容的提问来源于stack exchange，提问作者airjabus