Coloque Em Ordem Crescente

Organizando dados em ordem crescente na prática

A maior parte das pessoas acha que colocar em ordem crescente é só clicar num botão. Na maioria das ferramentas que uso no dia a dia, tem um botão mesmo. O problema aparece quando os dados não se comportam como esperado e você passa vinte minutos investigando por quê. Vou explicar como fazer isso funcionar de verdade, além da óbvia função de ordenação, e dar alguns detalhes que poupam tempo quando as coisas dão errado.

Coloque em ordem crescente no Excel e Google Sheets

A forma mais direta é selecionar a coluna ou o intervalo, ir em Dados > Ordenar e escolher de menor para maior. Funciona bem para números puros, datas e texto em alfabeto padrão. Mas aqui vai algo que a maioria não considera: o Excel trata números armazenados como texto como texto durante a ordenação. Isso significa que 10 vem antes de 2 porque a comparação é feita caractere por caractere, não por valor numérico. Já vi planilhas inteiras com esse erro disfarçado porque o usuário não percebeu que os números tinham uma pequena marca de texto. A solução mais rápida é selecionar a coluna problemática, abrir o aviso que aparece no canto superior direito (aquele triângulo amarelo) e converter para número. No Google Sheets você pode usar a função =VALOR() numa coluna auxiliar e depois copiar o resultado de volta. Um caso específico que encontrei recentemente envolveu dados importados de um sistema legado onde os separadores decimais vinham como vírgula mas o Excel estava configurado para ponto. O resultado era uma colisão silenciosa: todos os valores aparentemente eram números, mas a ordenação simplesmente ignorava as casas decimais e classificava baseado na string completa. A correção foi usar a função =SUBSTITUIR() para trocar a vírgula por ponto e então aplicar =VALOR(). Levei uns cinco minutos fazendo isso em vez de tentar depurar a ordenação diretamente.

Ordenação crescente em Python

No Python você usa sorted() ou o método .sort(). A diferença prática é que sorted() retorna uma nova lista e .sort() modifica a original. Para listas simples de inteiros ou strings, não há surpresa: sorted([5, 2, 9, 1]) retorna [1, 2, 5, 9]. O detalhe que pega quem está começando é o parâmetro key. Se você tem uma lista de dicionários e quer ordenar por uma chave específica, precisa passar uma função lambda ou uma função definida externamente. Por exemplo, sorted(lista_de_usuarios, key=lambda x: x['idade']). Isso é direto, mas atenção para tipos misturados. Python 3 não permite mais ordenar listas com inteiros e strings juntos. Se você tentar sorted([1, 'a', 3]) vai receber um TypeError. A saída é garantir homogeneidade antes de ordenar ou usar uma chave que converta tudo para string, tipo key=str, embora isso mude a semântica da ordenação.

Outro ponto que não é óbvio: a ordenação em Python é estável. Isso significa que se dois elementos têm a mesma chave, a ordem original deles se mantém. Esse comportamento pode ser útil ou confuso dependendo do contexto. Se você ordena primeiro por um campo e depois por outro e espera que o primeiro critério seja completamente esquecido, não é bem assim. O segundo campo sobrescreve a prioridade, mas entre elementos iguais no segundo campo, a ordem do primeiro critério persiste.

SQL e a pegadinha dos NULLs

Em SQL, a cláusula ORDER BY coluna ASC faz exatamente o que o nome indica. O problema é como cada banco lida com valores nulos. No PostgreSQL e MySQL, NULLs aparecem primeiro em ordenação ascendente. No Oracle, eles aparecem por padrão por último. Se você está migrando queries entre SGBDs diferentes, isso pode quebrar relatórios que contam com uma posição fixa para nulos. Uma solução padrão é usar NULLS FIRST ou NULLS LAST explicitamente na cláusula ORDER BY. Isso elimina a ambiguidade e deixa o comportamento independente do banco. Outra armadilha comum é ordenar colunas do tipo VARCHAR quando você espera comportamento numérico. Se a coluna contém '10', '2', '100', a ordenação padrão do SQL vai produzir ['10', '100', '2']. A correção é converter explicitamente: ORDER BY CAST(coluna AS UNSIGNED) ou ORDER BY coluna + 0, dependendo do SGBD. Use essa técnica com cuidado em tabelas muito grandes porque a conversão impede o uso de índices na coluna, o que pode tornar a query significativamente mais lenta.

Databases e a questão dos índices

Quando uma tabela tem índice na coluna de ordenação, o ORDER BY costuma ser quase gratuito porque o banco já percorre os dados na ordem do índice. Sem índice, ele precisa fazer um sort em memória ou em disco. Para tabelas pequenas isso não importa, mas em tabelas com milhões de linhas e queries frequentes, a diferença pode ser de milissegundos para segundos. Um contra-senso que vejo muita gente não considerar: criar um índice só para ordenação às vezes não vale a pena. Índices consomem espaço em disco, ralentizam INSERTs e UPDATEs, e se a coluna for usada em filtragens complexas, o otimizador pode simplesmente ignorar o índice mesmo ele existindo. Antes de indexar por ordem crescente, analise o plano de execução da query com EXPLAIN ou EXPLAIN ANALYZE. Se o banco já está usando um índice existente de forma eficiente, adicionar outro pode só piorar a escrita sem melhorar a leitura.

Power Query e dados semiestruturados

Se você trabalha com Power BI ou Excel Power Query, a ordenação acontece no editor de consultas. A vantagem é que a transformação fica documentada e reproduzível. A desvantagem prática é que cada atualização de dados reexecuta todo o pipeline, e se a fonte tiver mudanças de esquema inesperadas, a ordenação pode falhar silenciosamente ou aplicar-se à coluna errada. Minha recomendação aqui é sempre nomear as colunas explicitamente depois de carregar os dados, antes de ordenar. Colunas genéricas como 'Column1', 'Column2' são práticas no início mas viram bomba-relógio quando o fuente muda o layout. Já perdi uma hora num relatório porque uma nova coluna foi inserida no meio do CSV e todas as referências subsequentes deslocaram.

Limitações e quando a ordenação simples não resolve

Ordenação crescente é poderosa mas tem limites claros. Em datasets muito grandes, a ordenação em memória pode estourar o espaço disponível e forçar o sistema a usar disco temporário, o que reduz drasticamente a performance. Ferramentas como Spark ou ordenações externas (external sort) foram criadas justamente para contornar isso, mas exigem configuração adicional. Outro cenário onde a ordenação convencional falha é com dados geoespaciais. Ordenar latitude e longitude separadamente não dá nenhuma utilidade prática porque a distância real depende de ambas as coordenadas. Nesses casos, usar funções de ordenação espacial como Hilbert curve ou Geohash é mais adequado. Para texto multilíngue, a ordenação padrão muitas vezes não reflete as expectativas culturais. Palavras com acentos, caracteres especiais e letras diacríticas podem ser classificadas de forma inconsistente entre linguagens. Se o seu público é internacional, configure a collation corretamente ou use bibliotecas de localização específicas, como o Intl.Collator no JavaScript ou o locale no Python.

Em resumo, colocar em ordem crescente é simples quando os dados estão limpos e homogêneos. A dificuldade real aparece nos detalhes: tipos misturados, NULLs tratados diferentemente entre bancos, conversiones silenciosas de strings para números e o custo oculto de índices mal justificados. Conhecer esses pontos evita dor de cabeça e economiza tempo de depuração.