最稳妥的多列混排方式是by传列表、ascending传等长布尔列表；ascending必须为list且元素为True/False；排序逐级生效；需注意索引未重置和字符串大小写问题。
用 sort_values() 一次指定多列和对应升降序
直接传入列表给 by 参数，并用 ascending 参数匹配长度相同的布尔列表，就能控制每列的排序方向。这是最常用也最稳妥的方式。
-
ascending必须是list类型（不能是单个bool），且长度与by列表一致，否则会报错ValueError: Length of ascending must match length of by - 排序是按列表顺序“从左到右”逐级生效：先按第一列排，相同值再按第二列排，依此类推
- 示例：按
'category'升序、'score'降序：df.sort_values(by=['category', 'score'], ascending=[True, False])
升序/降序混排时别漏掉 ascending 的类型和长度
很多人卡在 ascending=True 或 ascending=False 上——这只能统一控制所有列，没法混排。真正混排必须显式传 list。
- 常见错误写法：
df.sort_values(by=['a', 'b'], ascending=False)→ 所有列都降序，不是只降第二列 - 更隐蔽的坑：
ascending=[1, 0]看似合理，但 pandas 只认True/False，1会被当作True，容易误判 - 推荐始终用
[True, False]这种明确布尔值，避免类型隐式转换带来的歧义
对字符串列排序要注意 locale 和大小写
默认按 ASCII 码排序，'Z' 会排在 'a' 前面，小写字母整体靠后。如果业务要求“自然排序”或忽略大小写，得额外处理。
- 忽略大小写：先用
str.lower()生成临时键，再排序（不建议原地改数据）：df.sort_values(by=['name'], key=lambda x: x.str.lower())
- 中文或带重音字符需设
locale，但 pandas 本身不支持；可借助pyicu或先用sorted(df['col'], key=locale.strxfrm)生成索引再重排 - 性能提示：
key参数在大数据量下比预计算列稍慢，但更干净；若频繁使用，建议提前加一列name_lower
排序后索引没重置？记得看 ignore_index
默认排序后保留原索引，看起来像乱序——其实只是索引没更新。这不是 bug，是设计行为。
立即学习“Python免费学习笔记（深入）”；
- 要让索引变成 0, 1, 2… 连续整数，必须显式加
ignore_index=True - 不加的话，后续用
.iloc[0]取首行可能拿到的是原 DataFrame 中间某行，容易引发逻辑错误 - 链式操作中尤其容易忽略：比如
df.sort_values(...).head(5)如果没重置索引，head()返回的仍是原索引位置
ascending 类型不匹配和排序后索引残留——这两处不报错，但结果和预期差很远，调试起来反而更费时间。 
