Python中如何对包含重音字符的DataFrame进行排序？

这个问题我之前处理过好几次！默认情况下sort_values是按Unicode码点排序的，所以像é这种带重音的字符，因为它的码点比i高，就会跑到末尾去，而不是跟在e后面。不管你的DataFrame是单列还是多列，都可以用下面两种方法实现符合直觉的字典序排序（忽略重音，把é排在e之后）：

方法一：利用系统Locale实现本地化排序 #

这种方法会遵循当地语言的排序规则（比如法语中重音字符的排序逻辑），但需要系统支持对应的语言环境。

步骤示例： #

import pandas as pd
import locale

# 注意：不同系统的Locale名称不一样
# Linux/macOS 一般用 'fr_FR.UTF-8'（以法语为例，支持重音排序）
# Windows 则用 'French_France.1252'
locale.setlocale(locale.LC_COLLATE, 'fr_FR.UTF-8')

# 构造你的多列DataFrame
df = pd.DataFrame({
    'col1': ['i', 'e', 'a', 'é'],
    'col2': ['z', 'y', 'x', 'è']
})

# 单列排序：按col1排序，用locale的规则处理字符串
sorted_single_col = df.sort_values(by='col1', key=lambda x: x.apply(locale.strxfrm))
print(sorted_single_col)

# 多列排序：先按col1，再按col2，同样应用locale规则
sorted_multi_col = df.sort_values(by=['col1', 'col2'], key=lambda x: x.apply(locale.strxfrm))
print(sorted_multi_col)

方法二：用Unidecode库移除重音后排序（跨平台通用） #

如果不想依赖系统Locale，或者需要跨平台兼容，unidecode库是个好选择——它能把带重音的UTF-8字符转成对应的无重音ASCII字符，再基于这个结果排序。

步骤示例： #

1. 先安装库：

pip install unidecode

2. 编写排序代码：

import pandas as pd
from unidecode import unidecode

# 多列示例DataFrame
df = pd.DataFrame({
    'col1': ['i', 'e', 'a', 'é'],
    'col2': ['z', 'y', 'x', 'è']
})

# 单列排序：把col1的字符转成无重音版本作为排序依据
sorted_single_col = df.sort_values(by='col1', key=lambda x: x.apply(unidecode))
print(sorted_single_col)

# 多列排序：对每一列都应用去重音处理
sorted_multi_col = df.sort_values(by=['col1', 'col2'], key=lambda x: x.apply(unidecode))
print(sorted_multi_col)

旧版本Pandas兼容方案 #

如果你的Pandas版本低于1.1.0（key参数是1.1.0才加入的），可以先创建辅助列（存储去重音后的字符串），排序后再删掉辅助列：

df['col1_clean'] = df['col1'].apply(unidecode)
df['col2_clean'] = df['col2'].apply(unidecode)

# 按辅助列排序
sorted_df = df.sort_values(by=['col1_clean', 'col2_clean'])

# 移除辅助列
sorted_df = sorted_df.drop(['col1_clean', 'col2_clean'], axis=1)
print(sorted_df)

内容的提问来源于stack exchange，提问作者Fifi