为什么在 JoinQuant 中使用 sort_values 排序有时不按顺序？

您好！出现 sort_values 排序结果有时不按预期排列的情况，通常不是聚宽数据库的原因，而是 Python 中 pandas 库在处理特定数据时的常见现象。

sort_values 是 pandas.DataFrame 的内置方法，其排序逻辑是非常严谨的。如果您发现排序结果“不对”或“不稳定”，通常是由以下几个原因导致的：

1. 数据类型（Dtype）问题（最常见）

如果您的数据列被 pandas 识别为字符串（String/Object）而不是数值（Float/Int），排序就会按照“字典顺序”进行，而不是数学大小。

• 错误示例：'10', '100', '2', '30' （按字符串排序，'100' 会排在 '2' 前面）。
• 解决方法：在排序前，强制将该列转换为数值类型。

# 将目标列转换为浮点数后再排序
df['target_column'] = df['target_column'].astype(float)
df = df.sort_values(by='target_column', ascending=True)

2. 存在缺失值（NaN）

在聚宽获取的财务数据或行情数据中，经常会包含 NaN（缺失值）。默认情况下，sort_values 会将所有的 NaN 值放到排序结果的最后面（无论升序还是降序）。

• 现象：您可能看到前面排得好好的，突然末尾出现一堆看起来无序的行，其实它们的值是 NaN。
• 解决方法：可以通过 na_position 参数控制，或者在排序前先处理掉缺失值。

# 将 NaN 放在最前面
df = df.sort_values(by='target_column', na_position='first')

# 或者先剔除 NaN 值再排序
df = df.dropna(subset=['target_column']).sort_values(by='target_column')

3. 没有保存排序后的结果（inplace 参数）

sort_values 默认会返回一个新的 DataFrame，而不会修改原数据。如果您没有将结果重新赋值，原数据依然是无序的。

• 错误示例：

df.sort_values(by='target_column') 
print(df) # 此时 df 依然是没有排序的

• 解决方法：重新赋值，或者使用 inplace=True。

# 方法一：重新赋值
df = df.sort_values(by='target_column')

# 方法二：使用 inplace
df.sort_values(by='target_column', inplace=True)

4. 存在相同的值（排序稳定性）

如果您排序的列中存在大量相同的值，那么这些相同值所在的行，其相对顺序可能会因为底层数据的初始状态不同而发生变化。

• 解决方法：传入多个列名进行多级排序，确保排序的唯一性。

# 先按 column1 排序，如果 column1 相同，再按 column2 排序
df = df.sort_values(by=['column1', 'column2'], ascending=[True, False])

总结排查步骤：

1. 打印出该列的数据类型：print(df['您的列名'].dtype)，确认是否为 float64 或 int64。
2. 检查数据中是否包含 NaN：print(df['您的列名'].isnull().sum())。
3. 检查代码中是否正确接收了排序后的返回值。

只要排除了以上几点，pandas 的排序结果绝对是稳定且准确的，与聚宽底层的数据库无关。建议您在策略中打印出排序前后的 df.head(20) 和 df.tail(20) 进行对比排查具体原因。