sort_values默认返回新dataframe且不修改原数据；多列排序需用ascending列表匹配列数；nan默认排最后，可用na_position控制；大数据量优先用nlargest/nsmallest；弃用inplace=true。
按单列升序排序时，sort_values 默认不改原数据
直接调用 df.sort_values('column_name') 返回新 DataFrame，原 df 一动不动。很多人发现“排完序没变化”，其实是忘了赋值或加 inplace=True。
- 要修改原数据：用
df.sort_values('column_name', inplace=True) - 更推荐不改原数据：写成
df_sorted = df.sort_values('column_name')，避免副作用 -
inplace=True在 Pandas 2.0+ 已被标记为弃用，未来可能移除，建议早适应链式写法
多列混合排序（升序+降序）必须用 ascending 列表
想按 'region' 升序、再按 'sales' 降序？不能写 ascending=True, False——语法报错。必须显式传列表。
- 正确写法：
df.sort_values(['region', 'sales'], ascending=[True, False]) - 常见错误：
ascending=False会作用到所有列，不是只降序第二列 - 列数和
ascending列表长度必须一致，否则抛ValueError: Length of ascending must match length of by
含空值（NaN）时排序结果不符合直觉
sort_values 默认把 NaN 放最后（升序）或最前（降序），但很多人以为它会跳过或报错。尤其做分组内排序时，NaN 可能“卡”在中间位置，导致切片出错。
- 控制 NaN 位置：用
na_position='first'或'last'（默认是'last'） - 如果业务要求 NaN 当 0 处理，先用
df['col'].fillna(0)，别指望排序自动填补 - 字符串列含 NaN 时，
sort_values仍能运行，但比较逻辑是 Python 的None ，行为稳定但不易察觉
大数据量下 sort_values 慢？先确认是否真需要全量排序
100 万行以上 DataFrame 调用 sort_values 可能卡顿，但往往问题不在函数本身，而在没剪枝。
- 只要 Top N：用
df.nlargest(10, 'score')或df.nsmallest(5, 'price')，比先排再切快得多 - 已按某列索引？考虑设
df = df.set_index('date').sort_index()，后续按索引取值 O(1) - 频繁按同一列排序：提前
df = df.sort_values('category').reset_index(drop=True)，配合searchsorted做二分定位
真正卡住的时候，大概率是忘了 copy() 或正在对未清理的 object 类型列排序——比如把数字当字符串存了，排序就变成字典序。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
