sort_values()默认不修改原DataFrame是因pandas采用函数式设计，返回新对象；需赋值或设inplace=True才改原数据，但后者禁用链式操作。
sort_values() 为什么默认不改原 DataFrame
因为 sort_values() 默认返回新 DataFrame，原数据不动——这是 pandas 的“函数式”设计习惯，不是 bug。如果你发现排序后变量没变，八成是忘了赋值或没设 inplace=True。
- 要修改原变量：用
df = df.sort_values("col")或df.sort_values("col", inplace=True) -
inplace=True看似省事，但链式操作（比如df.sort_values(...).reset_index(...)）会报错，推荐优先用赋值 - 多列排序时，
inplace同样生效，但别跟copy=False混用，后者只影响底层内存，不改变行为
按多列排序时，ascending 怎么配对
ascending 参数必须和 by 列表长度一致：要么是单个布尔值（全列同向），要么是布尔列表（逐列指定）。错位、长度不匹配会直接抛 ValueError: Length of ascending must match length of by。
- 单列升序：
df.sort_values("age")（默认True） - 两列，一升一降：
df.sort_values(["city", "salary"], ascending=[True, False]) - 三列都降序：
df.sort_values(["a", "b", "c"], ascending=False)（注意这里是单个False，不是列表） - 常见错误：写成
ascending=[True, False, True]却只写了两个列名在by里——立刻报错
空值（NaN）在排序里到底排哪去
pandas 默认把 NaN 排在末尾（升序时）或开头（降序时），和 Python 原生 sorted() 不同，也容易和数据库的 NULL 行为混淆。如果你需要统一把 NaN 放最前或最后，得靠 na_position。
python-script-generator
下载
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
- 默认行为：
df.sort_values("score")→ NaN 在最后；df.sort_values("score", ascending=False)→ NaN 在最前 - 强制 NaN 在最前：
df.sort_values("score", na_position="first") - 强制 NaN 在最后（显式声明）：
df.sort_values("score", na_position="last") -
na_position对多列排序同样生效，且全局作用于所有参与排序的列
性能敏感时，要不要先 reset_index 再 sort_values
不用。反复 reset_index() 反而拖慢速度，尤其大表。真正影响性能的是索引类型和是否复用已有索引——sort_values() 本身会生成新 RangeIndex，除非你传了 ignore_index=True。
立即学习“Python免费学习笔记（深入）”；
- 默认行为：
df.sort_values("x")保留原 index（可能乱序），适合后续按原索引定位 - 想要干净连续索引：
df.sort_values("x", ignore_index=True)，比sort_values(...).reset_index(drop=True)少一次拷贝 - 如果原始 index 是无意义的 int 序号，又想省内存，加
ignore_index=True更直接 - 别为了“看着顺眼”在循环里反复 reset_index + sort_values，那是典型过早优化陷阱
ascending 长度匹配、na_position 的隐式行为、还有 ignore_index 和 reset_index 的分工，这几个地方最容易在调试时卡住半天。 
