对 DataFrame 或 Series 按照指定列的值进行升序或降序排列。

一、基本语法

DataFrame.sort_values(
    by,           # 指定排序的列名（或列名列表，多列排序）
    ascending=True,  # 是否升序：True（默认，升序）、False（降序）
    inplace=False,   # 是否原地修改：True（不返回新对象）、False（返回新对象，默认）
    ignore_index=False  # 排序后是否重置索引：True（索引从0开始）、False（保留原索引，默认）
)

二、常用示例

假设我们有如下 DataFrame：

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 20, 30, 20],
    'score': [85, 90, 75, 90]
}
df = pd.DataFrame(data)

	name	age	score
0	Alice	25	85
1	Bob	20	90
2	Charlie	30	75
3	David	20	90

1. 按单列排序（默认升序）

按 age 列升序排列（从小到大）：

# 按 age 升序
df_sorted = df.sort_values(by='age')
print(df_sorted)

      name  age  score
1      Bob   20     90
3    David   20     90
0    Alice   25     85
2  Charlie   30     75

2. 按单列降序排序

按 score 列降序排列（从大到小）：

# 按 score 降序
df_sorted = df.sort_values(by='score', ascending=False)
print(df_sorted)

      name  age  score
1      Bob   20     90
3    David   20     90
0    Alice   25     85
2  Charlie   30     75

3. 按多列排序

先按 age 升序，age 相同则按 score 降序：

# 多列排序：先按 age 升序，再按 score 降序
df_sorted = df.sort_values(by=['age', 'score'], ascending=[True, False])
print(df_sorted)

      name  age  score
1      Bob   20     90
3    David   20     90  # age相同，score也相同，顺序不变
0    Alice   25     85
2  Charlie   30     75

4. 排序后重置索引（常用）

排序后默认保留原索引，用 ignore_index=True 重置为连续索引：

df_sorted = df.sort_values(by='age', ignore_index=True)
print(df_sorted)

      name  age  score
0      Bob   20     90  # 新索引从0开始
1    David   20     90
2    Alice   25     85
3  Charlie   30     75

5. 原地修改 DataFrame（inplace=True ）

用 inplace=True 直接修改原 DataFrame（不返回新对象）：

df.sort_values(by='age', inplace=True)
print(df)  # 原 df 已被修改

三、关键参数说明

• by：核心参数，指定排序的列名（单列用字符串，多列用列表）。
• ascending：控制排序方向，默认 True（升序）；多列排序时可传入布尔值列表（与 by 中的列一一对应）。
• ignore_index：排序后索引可能混乱，设为 True 可重置为 0,1,2...，方便后续按位置访问。
• inplace：默认 False（返回新对象，不修改原数据），建议保持默认，避免意外修改原始数据。

总结

        按列排序的核心是 sort_values(by=列名)，通过调整 ascending 控制升降序，多列排序时传入列名列表即可。