在数据分析里，排序和排名几乎是每天都要碰的操作，但很多人用着用着就混了。DataFrame的sort_values和rank，看名字都带“排”，实际干的活完全不同：一个是把整张表重新摆顺序，另一个是给每个数据打分定名次。我用pandas做数据分析这几年，见过不少新同学在这里翻车——要么排序后索引乱套，要么排名出来的结果和预期差一截。这篇东西我不打算讲高深理论，就集中把DataFrame的排序和排名讲透，包括参数怎么用、业务场景怎么选、踩过的坑和排查思路，适合刚开始接触pandas的读者，以及在项目中真的要用这些功能做数据处理、出报表的同行。

1. 排序和排名的核心区别与场景选择

1.1 排序是改变行的位置，排名是生成新的值

先把这个最基础的概念掰扯清楚。DataFrame的排序用sort_values，它是把数据行按照某个或多个列的值，重新排成一个新的顺序。返回的结果仍然是一张完整的表，只是行的前后位置变了。你可以把它理解成“排队”：学生们按身高从矮到高站成一列，每个人还是那个人，只是站的顺序变了。

排名则完全不同，用的是rank方法。它不会移动任何行，而是针对每个值，计算它在所有值中的一个“名次”，生成一个新的一列或者说一个Series。还是看身高，排名是给每个学生发一个号牌：最矮的1号、第二矮的2号，并没有让学生移动位置。所以，排序适合用来“展示”数据，排名适合用来“计算”数据。

很多时候，你会看到一些代码写了df.sort_values('score')之后，以为就得到了每个人在班级里的名次，然后直接拿排好的行数当名次用，这其实是有问题的。如果数据没有并列、没有缺失，排序后的行号确实和名次一样；但只要出现并列，你的行号和真实名次就对不上了。比如两个人都考了95分，按顺序排下来一个在第3行一个在第4行，他们的名次其实都是第3名（取决于规则）。这就要靠rank来解决。

1.2 业务场景里到底什么时候用哪个

我自己的习惯是，先问自己一个问题：我要的是“列表的顺序”还是“每个对象的名次”？

如果是“列出销售额最高的前10个地区”，用sort_values降序排完，然后取前10行，再reset_index(drop=True)把序号理干净，这就是最直接的做法。这里顺序本身就是结果，不需要再生成名次。

如果是“每个门店的销售额在全部门店中排名第几”，而且以后还要根据这些名次做汇总、筛选、画图，那就必须用rank生成一个排名列。因为这列数据可以继续参与运算，比如筛选排名前20%的门店、按排名区间分组等。而排序的结果只是一张换了顺序的表，没法直接当数值用。

举个混合场景：你既要做排行榜，又要算每个业务员的绩效系数。排行榜必然用排序；绩效系数要根据销售额在整个团队中的百分位来给，这种就得先rank(pct=True)，再用排名列做区间映射。这两个动作经常出现在同一张表上，但目的完全不同，混用了就会出现“看着对，算完错”的尴尬。

2. DataFrame排序实操：从单列到多列，从升序到降序

2.1 单列排序的基本用法和注意事项

直接先看代码：

import pandas as pd df = pd.DataFrame({ 'name': ['A', 'B', 'C', 'D'], 'score': [88, 92, 78, 88], 'age': [21, 23, 20, 22] }) # 按 score 升序排列 df_sorted = df.sort_values(by='score') print(df_sorted)

输出结果里，行会按score从小到大排。注意sort_values默认返回一个新DataFrame，原表df的顺序不变。如果你想把结果直接覆盖原变量，可以写成df.sort_values(by='score', inplace=True)，但我个人不太推荐用inplace=True。原因很简单：第一，pandas后来很多方法都倾向于不原地修改，保持一致；第二，一旦原地改错了，找不回原始数据，尤其是你在调试脚本时，最好让每一步都返回一个新对象，方便对比。

升序和降序用ascending参数控制：

df_sorted_desc = df.sort_values(by='score', ascending=False)

这里还有个容易忽略的点：ascending参数的默认值是True。当你要按字符串列排序时，默认的排序规则是按字母顺序，中文也类似，但如果你希望按拼音或者别的规则，pandas本身对中文支持并不完全满足业务习惯，这种时候要么转成拼音列，要么自定义映射列再排。

2.2 多列排序：优先级和稳定性才是关键

多列排序在业务上很常见，比如先按地区排序，再按销售额排序。写法很简单：

df_sorted_multi = df.sort_values(by=['region', 'sales'], ascending=[True, False])

这里by列表里的第一列是主排序键，第二列是次排序键。ascending也要给一个列表，长度和by一致，分别指定每一列是升序还是降序。我个人非常建议显式写ascending列表，因为如果都是一样的排序方向，你当然可以不写第二个参数，但一旦混排，不给列表就会报错或者得到错误方向，不如一开始就写清楚。

多列排序还有一个深水坑：排序算法的稳定性。默认情况下，sort_values使用的排序算法是quicksort，这是不稳定的排序算法。什么意思呢？在多列排序时，pandas是逐列进行排序的，虽然单次排序内部可能不稳定，但pandas的设计会尽量保持相对顺序。不过遇到极端情况，比如你要先按第一列排，再按第二列排，第二列值相同的情况下，稳定排序能保留第一列的相对顺序。这时候可以把排序算法指定为mergesort，它的稳定性更好。代码这样写：

df_sorted_stable = df.sort_values( by=['region', 'sales'], ascending=[True, False], kind='mergesort' )

当然，普通情况下用默认的quicksort就够了，只有当你发现排序完，相同第二列的值，第一列顺序被打乱，而且这个顺序对你重要时，才需要切换kind参数。

2.3 按索引排序和索引重置

除了按值排序，DataFrame还能按索引排序，用sort_index()。这个功能在处理分组结果、合并结果时会很实用。比如你用groupby和sum之后，索引变成了分组字段，拿到手是乱序的，想恢复按某列顺序，可以直接sort_index()，或者reset_index()之后再按列排序。

这里要单独强调一个高频操作：reset_index。因为sort_values之后，行的物理顺序变了，但行索引还是原来的，你如果直接按位置遍历，索引会显得杂乱。例如原来第0行是“B”，排序后“B”变成了第2行，但是它的索引还是1。凡是后续要按整数位置切片、给结果加序号、把表导出给其他人看，都建议先执行：

df_final = df.sort_values('sales', ascending=False).reset_index(drop=True)

这样索引从0开始重新连续编号，顺序和展示出来的一致。drop=True的意思是不要保留原来的索引作为新列。如果你不想丢，可以不加drop，旧索引会变成一列index，这在某些追溯场景下反而有用。

3. 排名功能深度解析：rank方法的参数与策略

3.1 默认排名和五种排名方式到底有什么区别

rank方法最让我感慨的是它太容易被低估，很多人只知道df['score'].rank()，默认得到“平均排名”，却不知道还有四种别的策略。我用一个最典型的例子来说明：

import pandas as pd df = pd.DataFrame({ 'name': ['A', 'B', 'C', 'D', 'E'], 'score': [90, 90, 85, 85, 95] }) df['rank_avg'] = df['score'].rank() df['rank_min'] = df['score'].rank(method='min') df['rank_max'] = df['score'].rank(method='max') df['rank_first'] = df['score'].rank(method='first') df['rank_dense'] = df['score'].rank(method='dense') print(df)

我们来看这一组数据：90分出现了两次，85分出现了两次，95分一次。默认method='average'的结果是：95分排名第1，两个90分都排名第2.5，两个85分都排名第4.5。名次是小数，像实际生活中的并列取平均分。method='min'就是并列的最小名次，两个90分都是第2名，两个85分都是第4名，整体名次为1、2、2、4、4，空缺了名次3和5。method='max'则是取并列的最大名次，90分都是第3名，85分都是第5名，名次为1、3、3、5、5。method='first'的顺序处理就与众不同了：它会按值出现的先后顺序，先出现的90分排第2，后出现的90分排第3，85分同理排第4和第5，即名次1、2、3、4、5，看起来就像是排序后的编号。method='dense'也是唯一的处理：它像“密集排名”，90分并列第2，85分并列第3，名次为1、2、2、3、3，名次是连续整数。

用花名册类比：如果你的老板需要给员工发奖金，名次并列但人数不同时，min可能是“冠军2人，季军1人”，dense则是“前两名都有奖，下一档也算第三”。不同规则直接影响后续计算，所以不能随手写默认。

3.2 排名的方向、缺失值和百分比排名

rank的ascending参数和排序是相反逻辑，需要注意。比如你要按销售额排名，销售额越大名次越小，那就用默认的ascending=True，因为rank默认认为值越大，名次越小，也就是升序排列名次。如果你希望值越大名次越大，则需要ascending=False。很多人在这一点上绕晕，我自己的记忆方法：rank默认得到的排名就是“数值从小到大，名次从小到大”。想得到“销量越高名次越高”，就要ascending=False。

缺失值的处理用na_option参数。默认情况下，NaN在排名结果中仍然是NaN，也就是缺失值不参与排名。若想把缺失值放到最后面，用na_option='bottom'；把缺失值放到最前面，用na_option='top'。不过na_option只有在ascending=True时才有明显的效果，如果ascending=False，na_option的“bottom/top”会按照反向逻辑执行。为了避免踩坑，建议先把缺失值单独处理掉，再考虑排名。

还有一个使用率很高的参数pct=True，它会把排名结果转换为0到1之间的百分比排名。比如df['score'].rank(pct=True)返回的就是累计百分比，可以直接作为“前百分之多少”的筛选依据。这在做绩效评级时特别有用，比如后30%要改进，前10%要奖励，用百分比排名一列就够。

3.3 分组排名：groupby和rank的配合

真实数据基本都有分组，比如一个公司多个销售团队，你要的是每个人在团队内的排名，而不是整个公司的排名。这时候要用groupby加rank：

df['rank_in_group'] = df.groupby('team')['sales'].rank(ascending=False)

这里代码返回的Series，索引和原DataFrame对齐，这个天然就匹配，可以直接作为新列。需要注意，如果groupby之后又用了transform，写法会更通用：

df['rank_in_group'] = df.groupby('team')['sales'].transform(lambda x: x.rank(ascending=False))

两种写法效果相近，但transform更明确，尤其当你要在分组内同时做多种计算时，用transform可以组合多个lambda表达式。分组排名有个隐藏好处：它不会因为分组字段本身是字符串或者顺序不同造成结果错乱，因为groupby会先把分组字段整理好，再对每个组分别调用rank。

分组排名之后，如果你想筛选每个组排名前3的用户，可以配合布尔索引：

df_top3 = df[df['rank_in_group'] <= 3]

这里有个细节：如果你们用的是dense方法，那么如果前4名并列第二，rank_in_group <= 3会把所有并列第二的也算进来，数量可能超过3个。这是正确的逻辑，需要业务方确认是否接受这种并列情况。如果要求严格取前3行，应该先排序再用groupby加head(3)，或者用method='first'保证名次唯一。

4. 实战案例：销售数据排序与排名分析

4.1 构造一份可直接复现的模拟数据

为了把前面的知识点串起来，我造一份销售数据，包含销售日期、地区、负责人、产品、销售额、订单数六个字段。为了让大家跑出来和我一致，我固定了随机种子，数据量是20行。代码：

import pandas as pd import numpy as np np.random.seed(42) n = 20 df = pd.DataFrame({ 'date': pd.date_range('2025-01-01', periods=n, freq='D'), 'region': np.random.choice(['华东', '华北', '华南', '西南'], n), 'sales_name': np.random.choice(['张三', '李四', '王五', '赵六'], n), 'product': np.random.choice(['手机', '电脑', '耳机', '平板'], n), 'sales': np.random.randint(1000, 8000, n).astype(float), 'orders': np.random.randint(1, 30, n) }) # 人为制造一个缺失值，方便演示 df.loc[5, 'sales'] = np.nan print(df.head(10))

这份数据是典型的“订单流水表”，有四个地区、四个产品、四个销售，日期连续。造数据时埋了一个NaN在第6行（索引5）的销售额里，后面会重点讲缺失值在排序、排名中的表现。

4.2 先用排序解决“排行榜”问题

第一个需求：老板要看销售额最高的前10条销售记录。这时候用排序最合适：

top10 = df.sort_values('sales', ascending=False).head(10) print(top10)

注意一点：因为我们人为制造了NaN，所以排序时默认情况下NaN会排到最后面，也就是说它会出现在head(10)的结果之外，不会干扰前10条，这是常规预期。但如果数据量大，你希望把缺失值单独拎出来看，可以按na_position='first'把NaN排最前面，或者直接dropna()之后再做排序。

第二个需求：按地区排序，地区内部再按销售额降序。这就是多列排序：

df_sorted = df.sort_values( by=['region', 'sales'], ascending=[True, False], na_position='last' ) print(df_sorted.head(10))

这样出来的结果是华东区先按销售额从大到小排好，然后是华北区、华南区、西南区，每个区内部条理分明。这里我加了na_position='last'，确保缺失值排在每组最后。

第三个需求：因为排序后索引乱掉了，要另存一列保留原始顺序，或者重置索引。建议：

df_sorted = df_sorted.reset_index(drop=True)

如果你需要知道每一行原来的位置，可以在排序前加一列original_index = df.index，这样更清晰。

4.3 再用排名解决“名次计算”问题

现在需求升级：老板要每个负责人在全公司所有销售记录中的销售额百分位排名，还要看地区内的名次。

先算全体排名。因为销售额是“越大越好”，所以要用rank(ascending=False)，让销售额高的排在名次小的位置：

df['sales_rank_global'] = df['sales'].rank(ascending=False, na_option='keep')

这里我用了na_option='keep'，意思是缺失值排名保持NaN。如果你不想让NaN影响其他值的百分比，这个参数很关键。全体百分位排名：

df['sales_pct_rank'] = df['sales'].rank(pct=True, ascending=False)

此时sales_pct_rank表示每个值在越高的销售额中，比例越接近0。比如销售额最高的记录，pct约为0.026左右，意味着它超过了约97%的数据。

接下来算地区内排名。需求是“每个地区内部，按销售额排一下名次”：

df['sales_rank_region'] = df.groupby('region')['sales'].rank(ascending=False)

因为每个地区只有4到5条记录，所以排名在1到5之间，NaN对应的也为NaN。这个新列可以直接用于后续筛选，比如选出每个地区销售额第一的记录：

top_region_sales = df[df['sales_rank_region'] == 1] print(top_region_sales)

这里有个细节需要留心：如果某个地区有两条销售额相同的最高记录，默认rank会都得到1（或者1.5），那这两条都会被筛出来。如果你只想要一条，需要指定合适的方法，或者接受并列事实。

最终我们把前面算好的排名列和原始数据一起导出：

df_final = df.sort_values('sales', ascending=False, na_position='last').reset_index(drop=True) print(df_final[['date', 'region', 'sales_name', 'sales', 'sales_rank_global', 'sales_rank_region']])

通过这个案例你会发现，排序和排名其实会在同一个流程里配合出现：排序决定列表展示顺序，排名的计算结果则用于筛选、分档、汇总。

5. 常见坑与排查技巧实录

5.1 排序时NaN会跑到哪里去

sort_values默认是把NaN排到最后，na_position='first'可以把它排前面。这个看起来简单，但多列排序时，如果你把na_position当成全局设置，就会犯迷糊。实际上na_position只作用于当前列的排序，不是整张表的统一行为。按多列排时，如果主排序列有缺失，NaN会按你的设置进入第一波排列，然后次排序列再对非NaN部分进行排序。我这里处理业务数据的习惯是：排序前先看一下每列的缺失情况，df.isna().sum()，再决定需不需要先fillna或者dropna，而不是依赖na_position到处救场。

5.2 排名并列导致的结果偏差

并列值是排名中最容易出事的地方。默认平均排名会产生0.5这种小数，当你用== 1去筛选时，如果第一名的数据有两条，两条都会被排成1.5，结果一个都筛不中。这时候要明确业务预期。如果只是想“找出最大值”，别用rank，直接按条件筛选df['sales'] == df['sales'].max()更直接。如果确实需要唯一名次，就选method='first'，它按出现顺序打破平局；如果不需要空号，选dense；如果愿意接受并列取最小名次，选min。我经历过一次统计事故，就是默认排名是平均，然后业务方拿名次去做绩效表，出现了半名次，最后整个表作废。之后凡是要求名次必须为整数的场景，我一律显式写method='min'或method='dense'。

5.3 groupby+rank之后索引对不齐的问题

很多人会用groupby('region')['sales'].rank()，然后把这个结果直接赋值给原DataFrame的新列，这是OK的，因为rank返回的Series索引和原df索引对齐。但如果分组时用了sort=False或者某些情况下索引被重置，就容易对不齐。稳妥的写法是用transform，它保证返回的Series长度和原df一致，索引也天然对齐。举一个反面案例：

# 有时候这样写会导致索引错位或长度不匹配 rank_series = df.groupby('region').apply(lambda x: x['sales'].rank()).reset_index(drop=True)

这样的结果可能长度不同或顺序乱了，再用df['rank'] = rank_series就会出现索引错位。如果非要走apply，记得把索引按原df顺序重排。实际工作中我几乎不用apply做分组排名，因为transform快且稳。

5.4 排序后按位置取数导致的错误

sort_values之后，如果你用iloc[0:5]取前几条，这是按行物理位置取的，得到的是新顺序的前5行，没问题。但如果你用loc[0:5]，这是按索引标签取的，此时索引可能已经乱了，取到的就不是你想的那5行。我遇到过好几次这种低级错误：排序后没有重置索引，看到结果里索引是5、8、2、13这种乱序，然后用loc[0:5]去取，结果取出来全是原索引为0到5的行。排查半天，最后才发现索引问题。所以，如果你打算在排序后继续做切片或者和别的表合并，先确认索引情况，要么reset_index(drop=True)，要么备份原索引列。特别是和外部数据merge时，索引对不齐会导致重复或错行，这是pandas最隐蔽的坑之一。

5.5 排序和排名混用时的判断技巧

我自己的经验是：需要展示结果、取前几个、按某种顺序输出报表，用排序；需要给每个观测值一个名次、进行分位切割、统计各名次区间人数，用排名。如果一眼看不出来，就假设你要做一张表，表里有一列是“排名”，那就用rank；如果只要表按某个值从大到小排着，那就算sort。另外，sort_values之后再配合reset_index，其实等价于很多场景下的rank(method='first')，但两者语义不同，前者是为了顺序，后者是为了命名次，这点千万记住。

最后再分享一个小技巧：如果你想把rank结果直接转换成排序后的行顺序，可以用df.sort_values('sales', ascending=False).reset_index(drop=True).index + 1得到类似method='first'的名次；想保留并列时的真实名次，用rank(method='min')。我在实际项目中经常先用rank(method='min')算出名次，再用名次做业务分档，比如名次小于等于3算A级，4到10算B级，大于10算C级，这样比手动排序再截断要灵活得多。排序和排名表面上是两行API，背后是两种完全不同的数据处理思路，用对了会让后续分析顺滑很多。