关于Pandas.sort_values多列排序逻辑的疑问及代码验证

为什么你的两次排序结果一致 #

你的数据里col1的所有非空值都是唯一的（A、Z、E、D、C、B无重复），NaN单独成组。这种情况下，第一列已经完全确定了整个DataFrame的排序顺序，后续的col2、col3没有发挥作用的空间——因为没有重复的col1值需要进一步用其他列区分排序。

Pandas多列排序的真实逻辑 #

sort_values的多列排序是层级优先级排序，绝非各列独立排序，具体逻辑：

• 先按by参数的第一列排序，将数据按列值分成若干分组
• 对每个分组内部，再按第二列排序
• 若有更多列，重复上述步骤：在已排好的子分组内，继续按下一列细化排序

举个修改后的示例，让col1出现重复值，就能看到差异：

import pandas as pd
import numpy as np

df = pd.DataFrame({
'col1' : ['A', 'Z', 'E', np.nan, 'A', 'C','B'],  # 将原'D'改为'A'，制造重复项
'col2' : [2, 1, 9, 8, 7, 4,10],
'col3': [0, 1, 9, 4, 2, 3,1],
'col4': [11,12,12,13,14,55,56], })

df_sort1= df.sort_values(by=['col1', 'col2','col3'])
df_sort2= df.sort_values(by=['col1'])

此时df_sort1中col1为A的两行会按col2的大小（2 < 7）排序，而df_sort2里这两行会保留原始数据的相对顺序，两者结果完全不同。

你的理解误区 #

你之前误以为多列排序是各列独立排序后再合并，但实际是递进式分组排序：只有当前一列存在重复值时，后续列才会影响排序结果；如果前一列所有值唯一，后面的列不会改变最终顺序。

补充：默认情况下，相同值的行会保留原始DataFrame中的相对顺序（稳定排序），除非指定kind='quicksort'（非稳定）或ignore_index=True重置索引。

内容的提问来源于stack exchange，提问作者Coder