np.sort()默认按行（axis=-1）排序，非按列；按某列整体排序需用np.argsort()获取索引后切片，如arr[np.argsort(arr[:,1])]，nan处理应使用np.nanargsort()或手动掩码。
np.sort() 默认按行排序，不是按列
很多人以为 np.sort() 会像 Excel 那样“按某一列排序整个矩阵”，其实它默认对**最后一维（即每行）独立排序**。传入二维数组时，行为等价于 axis=-1，也就是对每一行升序重排，列之间完全不关联。
常见错误现象：
原矩阵第 0 列是 [3, 1, 4]，想按这列排序整行，结果发现每行自己排了，比如 [[2,1],[4,0]] 变成 [[1,2],[0,4]] —— 这根本不是你想要的“按某列排序”。
- 要按列整体排序，必须显式指定
axis=0（按行方向排序，即每列独立升序），但这仍不是“按某列值决定整行顺序” - 真正需要的是“按某列索引排序所有行”，得用
np.argsort()+ 索引切片 -
axis参数只控制“排序作用维度”，不控制“排序依据维度”
按某列排序整个二维数组：用 argsort + 索引
这是最常用也最可靠的方案：先用 np.argsort() 获取该列的排序下标，再用这个下标去索引整个数组。它不改变原数组，返回新数组，且保持行内元素相对位置不变。
使用场景：表格数据按“成绩”列降序排学生记录、按时间戳列升序整理日志。
- 升序按第 1 列：
arr[np.argsort(arr[:, 1])] - 降序按第 0 列：
arr[np.argsort(-arr[:, 0])]或arr[np.argsort(arr[:, 0])[::-1]] - 如果
arr是结构化数组（如含字段'score'），直接用np.argsort(arr['score']) - 注意：
arr[:, j]提取第 j 列时，返回一维数组，np.argsort()对它操作是安全的
axis 参数影响排序方向，但不改变“依据哪列”
axis 控制的是“沿着哪个轴打乱”，不是“拿哪一列当钥匙”。理解这点能避开大量直觉性错误。
-
np.sort(arr, axis=0)：对**每一列内部**排序，结果每列升序，行间关系彻底打乱 -
np.sort(arr, axis=1)（默认）：对**每一行内部**排序，列间关系打乱 -
np.sort(arr, axis=None)：拉平成一维再排序，返回一维数组 - 性能上，
axis=0和axis=1时间复杂度相同，但缓存友好度不同：C-order 数组（默认）下axis=1局部性更好
遇到 NaN 怎么办？sort 默认把 NaN 放最后，argsort 不保证
只要数组里有 np.nan，np.sort() 会把它排在末尾（升序）或开头（降序），但 np.argsort() 在含 NaN 时行为不稳定：不同 NumPy 版本可能返回不同下标顺序，甚至抛 RuntimeWarning。
- 稳妥做法：先用
np.isnan()掩码分离 NaN 行，或用np.nanargsort()（NumPy ≥ 1.22） -
np.nanargsort(arr[:, 2])会把 NaN 对应的索引排在最后，其余正常排序 - 旧版本可手动处理：
mask = np.isnan(arr[:, 2]); idx = np.concatenate([np.argsort(arr[~mask, 2]), np.where(mask)[0]]) - 别依赖
np.argsort()自动处理 NaN —— 它不承诺稳定性
按列排序本质是索引重排，不是数组变形；argsort 返回的下标才是关键，别被 sort 的 axis 参数带偏。NaN 处理最容易漏，尤其线上数据没清洗干净时。
