pandas 1.1.0+ 可用 sort_values(key=...) 实现任意排序逻辑，key 接收函数，输入原始 series/dataframe 子集，输出等长可比序列；旧版需临时列或 reindex，易错不直观。
直接用 sort_values 的 key 参数，这是 Pandas 1.1.0+ 支持的最干净方式；老版本只能靠临时列或 reindex + 自定义索引，容易出错且不直观。
用 sort_values(key=...) 实现任意排序逻辑
这个参数接受一个函数，输入是原始 Series，输出是用于比较的 Series（类型需支持排序，如数值、字符串或有序 Categorical）。它不修改原数据，只影响排序依据。
- 适用于单列或多列联合排序：多列时
key函数接收整个 DataFrame 子集（axis=0） - 函数必须返回与输入等长、可比对的结构，否则抛
ValueError: Length mismatch - 注意返回值类型一致性——比如把数字映射成字符串再排序，可能不符合预期语义
# 按字符串长度升序
df.sort_values('name', key=lambda x: x.str.len())
<h1>按月份名称排序（非字典序，而是日历序）</h1><p>month_order = ['Jan', 'Feb', 'Mar', 'Apr']
df.sort_values('month', key=lambda x: x.map({m: i for i, m in enumerate(month_order)}))
</p>
旧版 Pandas（
没有 key 参数时，常见做法是构造临时排序键列再排序，但必须手动清理，否则污染 DataFrame。
- 加列后忘记
drop或pop，导致后续计算误用该列 - 用
argsort+iloc更安全，但需确保索引未重置过：df.iloc[df['col'].apply(custom_rank).argsort()] - 若排序逻辑依赖多列交互（如“优先按状态分组，组内按时间倒序”），临时列易写错，
key方式天然支持sort_values(['status', 'time'], key=lambda x: ...)的组合
自定义排序遇上 NaN 和类型混合怎么办
sort_values 默认把 NaN 放最后（na_position='last'），但 key 函数若返回 NaN 或不可比对象（如 None），会触发 TypeError: unorderable types。
- 务必在
key函数里显式处理缺失值：用x.fillna(...)或x.where(x.notna(), some_default) - 避免在
key中返回混合类型（如部分 int、部分 str），Pandas 不会自动转换，排序结果未定义 - 性能敏感场景下，
key函数会被逐列调用，避免在里面做重操作（如读文件、查数据库）
真正麻烦的不是写排序逻辑，而是当 key 函数返回了看似合理但隐含类型转换的值——比如用 str.upper() 处理含 NaN 的列，结果是 NaN 变成字符串 'NAN'，排序位置完全跑偏。这类问题不会报错，只能靠肉眼核对或加断言验证 key 输出。
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！
