具体来看（以数据分析常用场景为例）：
· Rank（排名）：不改变数据原有顺序，而是为每个元素计算它在整体中的位次（返回1,2,3...）。常用于处理并列情况（如比赛排名）。
· 例：数据 [10, 20, 20]，Rank 返回 [1, 2, 2]（或平均排名），原顺序纹丝不动。
· Sort（排序）：直接对数据本体按值升序或降序重新排列。如果是对整个 DataFrame 排序，通常默认按行索引或单一主键。
· 例：[3, 1, 2] Sort 后变为 [1, 2, 3]，数据位置变了。
· Sort By（按...排序）：特指基于一个或多个指定字段（列）来重排行。它更灵活，允许你按列名排序，甚至按复杂表达式（如绝对值、字符串长度）排序。
---
不同工具下的细微差别（避坑指南）：
· Pandas：只有 sort_values(by=...)（对应 Sort By），没有独立的 sort；而 rank() 专门算名次。
· Polars（高频易混）：sort() 只能按列名字符串排序；sort_by() 则可以传入表达式（如 sort_by(pl.col("a").abs())），功能更强大，且支持多条件动态排序。
· SQL / Spark：RANK() 是窗口函数（算名次）；ORDER BY 是全局排序；而 Hive 中的 SORT BY 仅保证每个分区内有序（非全局），这也是“By”带来的作用域差异。
一句话选型建议：
想算第几名用 Rank；想把小的放前面用 Sort；想根据另一列的值来排当前行，或用复杂逻辑排序，务必选 Sort By