sort_values多列排序需传列名列表且严格校验列存在性、ascending长度匹配及ignore_index重置索引，常见错误为列名不匹配、ascending长度不符和索引未重置。
sort_values 传入多列名列表的写法和常见报错
直接传 ['col1', 'col2'] 就行，但很多人卡在列名不存在或类型不一致上。Pandas 不会自动忽略缺失列，只要有一列不存在，就抛 KeyError: "['xxx'] not in index"。
- 确保列名完全匹配（区分大小写、空格、不可见字符）
- 用
df.columns.tolist()看一眼真实列名，别靠记忆或 Excel 头猜 - 如果某些行里某列是
NaN，默认会排在最后；想让NaN在最前，加参数na_position='first'
控制每列升/降序：by 和 ascending 必须长度一致
ascending 参数不是布尔值开关，而是和 by 列表严格对齐的序列。传 True 或 False 单值会被广播，但一旦要混用升降序，就必须传列表，且长度必须等于列数。
- 错误写法：
df.sort_values(by=['a', 'b'], ascending=[True])→ 报Length of ascending (1) != length of by (2) - 正确写法：
df.sort_values(by=['a', 'b'], ascending=[True, False]) - 如果只指定一列升降序，另一列保持默认（升序），也要显式写全：
ascending=[True, True]，别省
排序后索引没重排？别漏掉 ignore_index
默认排序不重置索引，原索引跟着行走，看起来“乱序”其实是索引残留。这不是 bug，是设计行为。要得到干净的 0, 1, 2… 索引，必须加 ignore_index=True。
- 不加
ignore_index：排序后df.index还是原来的乱序数字（比如 [5, 2, 8, 1]） - 加了才变成
RangeIndex(start=0, stop=n, step=1) - 链式操作中容易忘，比如
df.sort_values(...).reset_index(drop=True)也能达到同样效果，但不如直接ignore_index=True清晰
性能提醒：大数据量下 sort_values 的隐性开销
多列排序本身不慢，但如果你在循环里反复调用，或者对未设置索引的 DataFrame 频繁排序，会触发底层多次 copy 和 dtype 推断——尤其当列含混合类型（比如字符串里夹着 None 或数字）时，Pandas 会悄悄转成 object 类型，后续比较变慢。
- 提前用
df.dtypes检查关键排序列是否为预期类型（如int64、datetime64） - 字符串列排序前考虑是否需
str.strip()或str.lower()统一格式，否则空格或大小写会导致意外顺序 - 真要高频排序，优先考虑设好索引（
set_index(['col1', 'col2'])），然后用sort_index()，它比sort_values()快不少
ascending 长度不对、还有忘了重置索引——这三处不检查，跑起来要么报错要么结果看着“怪”，但很难一眼定位。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！
