sort_values()默认升序、返回新dataframe；多列排序by传列表，ascending可传等长布尔列表；nan默认排末尾，na_position可调；inplace=true禁用链式调用。
用 sort_values() 按单列排序，别漏掉 inplace 和 ascending
默认是升序，想降序必须显式写 ascending=False，不写就永远是升序，这点容易被忽略。另外 sort_values() 默认返回新 DataFrame，原数据不动；如果想直接改原变量，得加 inplace=True，但注意：设了 inplace=True 就不能再链式调用了（比如后面接 .head()），会返回 None。
-
df.sort_values('age')→ 升序，返回新对象 -
df.sort_values('age', ascending=False)→ 降序 -
df.sort_values('age', inplace=True)→ 原地修改，返回None
多列排序时，by 是列表，顺序决定优先级
传给 by 的列表里，靠前的列先排，相等再按后一个排。比如 by=['city', 'age'] 先按城市字母序排，同城市的才按年龄排。如果想让其中一列反向，ascending 可以传布尔值列表，长度必须和 by 一致。
-
df.sort_values(by=['city', 'age'])→ 先 city 升序，再 age 升序 -
df.sort_values(by=['city', 'age'], ascending=[True, False])→ city 升序，age 降序 - 错例：
ascending=False单个布尔值 → 所有列都降序，不是只降第二列
含缺失值（NaN）时，默认排在最后，可改用 na_position
Pandas 默认把 NaN 当作“最大值”，所以升序时它出现在末尾，降序时也在末尾（因为所有非空值都比它小）。这不是 bug，是设计行为。如果要让它出现在开头，加 na_position='first'。
-
df.sort_values('score')→NaN在最后 -
df.sort_values('score', na_position='first')→NaN在最前 -
na_position只接受'first'或'last'，传其他值会报ValueError
性能注意：大 DataFrame 排序慢，kind 参数能微调算法
默认用 kind='quicksort'，稳定但最坏情况 O(n²)；对已部分有序的数据，mergesort 更稳（O(n log n) 且稳定），但内存多一倍；heapsort 内存少但不稳定（相同值的相对位置可能变）。一般不用动，除非你真卡在排序耗时上，且知道数据分布特征。
- 默认：
df.sort_values('id')→ 等价于kind='quicksort' - 要稳定且不怕内存：
df.sort_values('id', kind='mergesort') - 别乱试
heapsort，除非你确认不需要保持相同值的原始顺序
NaN 的默认位置、ascending 的广播规则、还有 inplace=True 后链式调用失效——这三个点，每次写都可能翻车。
