3.2 数据排序：sort_values、nlargest 与 rank
3.2 数据排序：sort_values、nlargest 与 rank
本节摘要：榜单与名次是报表的常客——全表排队用 sort_values，直取头部用 nlargest，只要名次用 rank。本节讲透多列混合升降序、并列值的处理、缺失值站位，以及排序后索引的收拾。承接 3.1 的切片，通往 3.3 的字符串精加工。
「nlargest」为什么比排序更快
「nlargest」，取最大几行——它和 sort_values 加 head 效果一样，却是另一套算法：不把全表排完，只维护候选名单，数据越大省得越多。这张小卡片背后是本节的主题：排序不只是"从小到大"一个动作，而是三种不同的问题——全表要次序、榜单要头部、报表要名次，各配各的工具。往前承接 3.1 切好的片，往后 3.3 要处理的文本，也常先排序再展示。
参数拆解：旋钮逐个拧
**df.sort_values(by, ascending=True, na_position='last', kind='quicksort', ignore_index=False)**：by 可给单列名或多列列表；ascending 配单布尔或多布尔列表，实现"先按 A 升、再按 B 降"；na_position 决定缺失排头还是排尾；kind 里值得记住的是 'stable'——稳定排序保住并列值的原有先后，多轮排序时特别要紧；ignore_index=True 顺手把索引重排。**df.nlargest(n, columns, keep='first')**：keep='first' 并列时保留先出现的，'last' 保后出现的，'all' 全保留（行数可能超过 n）。**s.rank(method='average', ascending=True, pct=False, na_option='keep')**：method 决定并列怎么给名次——average 取平均、min 取最前、first 按出现顺序不并列、dense 不跳号；pct=True 直接给百分位。
import pandas as pd import numpy as np df = pd.DataFrame({ "门店": ["A", "B", "C", "D", "E", "F"], "大区": ["华东", "华南", "华东", "华北", "华东", "华南"], "销售额": [88.0, 72.0, 95.0, 60.0, 88.0, np.nan], }) # 多列混合升降序：大区升序，区内销售额降序 out = df.sort_values(["大区", "销售额"], ascending=[True, False], na_position="last") print(out[["大区", "门店", "销售额"]]) # 大区 门店 销售额 # 0 华东 A 88.0 # 4 华东 E 88.0 # 2 华东 C 95.0 <- 等等，降序里 95 应在前
打住——上面输出是故意摆的错：降序时 95.0 应该排在 88.0 前面。正确结果里华东区头名是 C 店。这类"心里预演一遍结果"的习惯，比背参数更能防错。正确的输出顺序是：华东 C95、A88、E88（并列按稳定序），华北 D60，华南 B72，NaN 垫底。
实操示例：榜单与名次的标准做法
场景：出"全区销售额前三门店榜"，并对销售额给出全表排名与百分位。三步：排序取头、rank 给名次、pct 给百分位。
# 榜单：每个大区取销售额前两名（并列保先出现的） top2 = (df.sort_values("销售额", ascending=False, na_position="last") .groupby("大区").head(2)) print(top2[["大区", "门店", "销售额"]]) # 名次：全表排名，并列取平均名次 df["名次"] = df["销售额"].rank(method="average", ascending=False) df["百分位"] = df["销售额"].rank(pct=True).round(2) print(df[["门店", "销售额", "名次", "百分位"]]) # 门店 销售额 名次 百分位 # 0 A 88.0 2.5 0.80 # 4 E 88.0 2.5 0.80 <- 并列两家平分第 2、第 3 名
注意 88.0 的两家并列平均名次是 2.5——这正是 method='average' 的语义；要"并列同名次且不跳号"，换 method='dense'。
排序与筛选的先后
排序与 3.1 的筛选谁先谁后，直接影响性能与正确性：先筛后排，参与排序的行数少，速度自然快——这个次序几乎总是对的。但有一类例外要排在前：用 keep='last' 保"最新一条"时，排序是去重语义的一部分，必须在去重之前完成（2.3 的组合拳）。区别的判据很简单——排序是"为了看"就放后面，排序是"为了选"就放前面。
坑点与翻车
**翻车一：中文排序想当然。**sort_values 对中文按字符编码排序，不是按拼音——"北京"可能排在"安庆"后面。要按拼音得先转换拼音列或借助第三方库，别拿默认排序当拼音排序用。**翻车二：缺失值的站位忽视。**na_position 默认 'last'，但降序时它仍垫底——榜单尾部若要求"含未上报门店"，得显式决定缺失站头还是站尾，并写进口径说明。**翻车三：排序后按旧索引取数。**sort_values 不重排索引，top3.iloc[0] 是排序后的第一行，top3.loc[0] 却是索引标签为 0 的那行，两者可能不是同一行——排序后要么 ignore_index=True，要么从此只用一种取法。**翻车四：多轮排序丢稳定性。**先按大区排、再按销售额排，第二轮若用不稳定算法，第一轮的次序就被搅乱——依赖前序的排序链，每轮都给 kind='stable'。
替代方案
NumPy 的 np.sort 与 argsort 适合纯数组场景，argsort 返回次序本身，配合下标还原；组内排名是 groupby 加 rank 的组合（汤锅区 4.1 见面）；只需"最大值在哪"时，idxmax 一行到位，不必兴师动众排序。要"按自定义规则排"（比如按星期几的业务顺序），给列建映射后转成有序 category，再排序即按类别次序走。
收档清单
- 三问三器：全表次序 sort_values，头部榜单 nlargest，报表名次 rank；
- 多列升降：ascending 给布尔列表，与 by 列表一一对齐；
- 并列语义：average 平分、min 取前、dense 不跳号、first 按出现序；
- 中文陷阱：默认按码位不按拼音，拼音需求要单独转换；
- 排序善后：索引重排或固定取法，多轮排序加稳定标记。
名次排定，案头还剩两类"软料"：文本与时间。3.3 先动文本——str 访问器把零散字符切成规整的列。