pandas sort_values排序CSV ATOMS_ID列异常及撤销排序咨询

问题表现 #

使用pandas.DataFrame.sort_values方法对CSV文件排序时，目标是按ATOMS_ID列数值升序排列，执行代码为：
df.sort_values(["ATOMS_ID"],axis = 0, ascending = [True],inplace = True)

• 原始未排序CSV内容：
  
• 实际输出排序结果：
  
  排序结果未按1、2、3…的数值顺序排列，而是呈现1、10、100…的排列规律。

异常原因 #

ATOMS_ID列读取CSV时被解析为字符串（object）类型，而非整数/浮点数值类型。字符串排序规则为逐字符比对ASCII码值，因此会出现"1" < "10" < "100" < "2"的排序结果，和数值大小排序逻辑不一致。

修复方法 #

排序前先将ATOMS_ID列转换为数值类型，再执行排序即可得到预期结果：

# 将目标列转为整数类型
df["ATOMS_ID"] = df["ATOMS_ID"].astype(int)
# 执行排序
df.sort_values(["ATOMS_ID"], axis=0, ascending=True, inplace=True)

若读取CSV阶段就明确字段类型，也可以在调用pd.read_csv()时通过dtype参数指定ATOMS_ID列的类型为int，从源头避免类型解析错误。

排序后恢复原始数据顺序的方案 #

共三种常用可落地方案：

• 非原地修改保留原始数据：调用sort_values时不设置inplace=True，将排序结果赋值给新变量，原始DataFrame不会做任何改动，随时可以调用。

  # 排序结果存入新变量，原df保持原始顺序不变
  df_sorted = df.sort_values(["ATOMS_ID"], axis=0, ascending=True)
  

• 排序前备份原始索引：如果需要做原地排序，可以在排序前先把原始索引存为一列，需要恢复时按该列排序即可。

  # 排序前备份原始顺序
  df["origin_order"] = df.index
  # 执行原地排序...
  # 恢复原始顺序
  df.sort_values("origin_order", inplace=True)
  df.drop(columns="origin_order", inplace=True)
  

• 按默认索引还原：如果排序后没有执行reset_index()重置索引，直接按索引升序排列即可回到原始顺序。

  df.sort_index(inplace=True)
  

内容的提问来源于stack exchange，提问作者Shivank Chadda