Pandas中如何将NaN纳入分类变量并自定义排序

这个问题我之前也碰到过，Pandas的分类类型默认不会把NaN归为正式类别，它会把NaN当作单独的缺失值处理，所以你直接把np.nan加到reorder_categories的列表里，自然会因为“新类别和旧类别不匹配”报错。我给你两种实用的解决方案，看哪种更贴合你的需求：

方法一：保留NaN为缺失值，让它自动排在排序末尾 #

如果你不想修改原始的NaN值，只是希望在排序、比较时NaN处于最后一位，只需要给非NaN的类别指定好顺序即可，Pandas的有序分类会自动把缺失值放在所有类别之后：

import pandas as pd
import numpy as np

# 假设你的DataFrame是df
df['Column'] = df['Column'].astype('category')

# 只指定非NaN类别的期望顺序
desired_order = [
    'Very Liberal', 
    'Liberal', 
    'Somewhat liberal', 
    'Moderate', 
    'Somewhat Conservative', 
    'Conservative', 
    'Very Conservative'
]

# 重新排序类别并设置为有序
df['Column'] = df['Column'].cat.reorder_categories(desired_order, ordered=True)

这样操作后，你运行df['Column'].sort_values()就能看到NaN自动排在最后；做大小比较（比如df['Column'] > 'Moderate'）时，NaN也会被正确处理为不参与有效比较的缺失值。

方法二：将NaN转为显式类别，纳入排序列表 #

如果你需要把NaN当作一个“看得见”的类别（比如统计类别计数时要显示它），可以先把NaN替换成一个明确的标识（比如'缺失值'），再将其加入类别列表：

import pandas as pd
import numpy as np

# 把NaN替换为显式的字符串标识
df['Column'] = df['Column'].fillna('缺失值')

# 指定包含“缺失值”的完整类别顺序
desired_order = [
    'Very Liberal', 
    'Liberal', 
    'Somewhat liberal', 
    'Moderate', 
    'Somewhat Conservative', 
    'Conservative', 
    'Very Conservative',
    '缺失值'
]

# 转换为分类并排序
df['Column'] = df['Column'].astype('category').cat.reorder_categories(desired_order, ordered=True)

这种方式下，'缺失值'会成为正式的类别之一，和其他类别一起参与排序、统计，完全符合你想要的顺序。

备注：内容来源于stack exchange，提问作者justindlc