Pandas sort_values能否实现多列同时取值排序而非逐列优先级排序

Pandas sort_values 的多列排序默认是字典序（层级排序）：优先级完全由by参数的列先后顺序决定，先比第一列，第一列相等才会比第二列，以此类推。一旦调整列的传入顺序，优先级锚点变化，最终排序结果就会完全不同，和你示例里的表现一致。

你可以根据实际的排序需求，选择以下两种不需要新增原表汇总列的方案：

方案1：固定列优先级，忽略by传入的列顺序 #

如果你希望不管用户传入的列顺序是什么，最终都按预设的列优先级排序（比如你希望始终以列0为第一优先级、列1为第二优先级，固定复现第一个示例的结果），只需要在排序前对传入的列列表按预设优先级重排即可：

# 预设列优先级：数值越大优先级越高
col_priority = {0: 2, 1: 1}
# 不管用户传入的列顺序是什么，先按预设优先级重排
user_input_cols = [1, 0]  # 比如用户传入的是[1,0]，重排后会变成[0,1]
sorted_cols = sorted(user_input_cols, key=lambda col: col_priority[col], reverse=True)
# 重排后再传给sort_values，结果完全固定
df.sort_values(by=sorted_cols, ascending=[False, False])

方案2：生成临时综合排序键，不依赖列顺序 #

如果你希望排序优先级完全由行内所有选中列的数值综合决定，和列的传入顺序无关，可以根据你的实际比较规则生成临时排序键（不会修改原DataFrame），直接传给by参数即可，完全不需要新增实体汇总列。
常见的规则对应实现（以你示例中希望行1排在行0前的需求为例）：

• 按行内最小值排序（行1的最小值为0.984，大于行0的0.831，刚好符合预期）：

  selected_cols = [0,1]  # 这里的列顺序不管是[0,1]还是[1,0]，结果一致
  # 生成临时排序键，仅用于排序
  temp_sort_key = df[selected_cols].min(axis=1)
  df.sort_values(by=temp_sort_key, ascending=False)
  

• 其他常见综合规则可直接替换排序键生成逻辑：
  • 按行内最大值排序：temp_sort_key = df[selected_cols].max(axis=1)
  • 按行内平均值排序：temp_sort_key = df[selected_cols].mean(axis=1)
  • 按行向量欧氏范数排序：temp_sort_key = np.linalg.norm(df[selected_cols], axis=1)

如果有更复杂的自定义比较规则，也可以通过apply生成元组格式的复合排序键，同样支持直接传入by参数：

# 自定义规则：先比行最大值，最大值相等再比行最小值
def get_custom_sort_key(row):
    return (row.max(), row.min())
selected_cols = [0,1]
temp_sort_key = df[selected_cols].apply(get_custom_sort_key, axis=1)
df.sort_values(by=temp_sort_key, ascending=False)

注：以上逻辑在Pandas 1.1.5版本中完全支持，临时生成的排序键不会修改原DataFrame结构。

内容的提问来源于stack exchange，提问作者user15077835