如何基于指定规则对Pandas DataFrame分组排序并保留组内顺序

我有如下Pandas DataFrame：

sample  closest_signature   distance    patient cluster correlation biopsy  similarity  n_biopsy
0   21506-A HU.1    0.416795    21506   HU.1    0.994611    A   2.399261    2.0
1   21506-B HU.1    0.340269    21506   HU.1    0.993852    B   2.938855    2.0
2   21507-A HU.3    0.181289    21507   HU.3    0.868993    A   5.516052    3.0
3   21507-B HU.3    0.128398    21507   HU.3    0.972968    B   7.788282    3.0
4   21507-C HU.3    0.117186    21507   HU.3    0.949540    C   8.533432    3.0
5   21521-A HU.2    0.111720    21521   HU.2    0.956889    A   8.950942    2.0
6   21521-B HU.2    0.116082    21521   HU.2    0.974804    B   8.614610    2.0
7   21531-A HU.4    0.251558    21531   ND  0.560867    A   3.975227    2.0
8   21531-B HU.2    0.197108    21531   HU.2    0.890214    B   5.073356    2.0
9   21543-A HU.2    0.184331    21543   HU.2    0.973885    A   5.425033    6.0
10  21543-B HU.2    0.151444    21543   HU.2    0.990204    B   6.603119    6.0
11  21543-C HU.2    0.156038    21543   HU.2    0.989900    C   6.408698    6.0
12  21543-D HU.2    0.196920    21543   HU.2    0.939929    D   5.078191    6.0
13  21543-E HU.1    0.234311    21543   HU.1    0.980673    E   4.267841    6.0
14  21543-F HU.2    0.152050    21543   HU.2    0.989276    F   6.576796    6.0

需要实现的排序规则：

• 每个患者组的排序依据是该组中后缀为A的样本的closest_signature值，组内所有样本统一用这个值排序
• 患者组按n_biopsy降序排列，同时保留组内样本从A到Z的原有顺序

预期结果：

sample  closest_signature   distance    patient cluster correlation biopsy  similarity  n_biopsy
0   21506-A HU.1    0.416795    21506   HU.1    0.994611    A   2.399261    2.0
1   21506-B HU.1    0.340269    21506   HU.1    0.993852    B   2.938855    2.0
9   21543-A HU.2    0.184331    21543   HU.2    0.973885    A   5.425033    6.0
10  21543-B HU.2    0.151444    21543   HU.2    0.990204    B   6.603119    6.0
11  21543-C HU.2    0.156038    21543   HU.2    0.989900    C   6.408698    6.0
12  21543-D HU.2    0.196920    21543   HU.2    0.939929    D   5.078191    6.0
13  21543-E HU.1    0.234311    21543   HU.1    0.980673    E   4.267841    6.0
14  21543-F HU.2    0.152050    21543   HU.2    0.989276    F   6.576796    6.0
5   21521-A HU.2    0.111720    21521   HU.2    0.956889    A   8.950942    2.0
6   21521-B HU.2    0.116082    21521   HU.2    0.974804    B   8.614610    2.0
2   21507-A HU.3    0.181289    21507   HU.3    0.868993    A   5.516052    3.0
3   21507-B HU.3    0.128398    21507   HU.3    0.972968    B   7.788282    3.0
4   21507-C HU.3    0.117186    21507   HU.3    0.949540    C   8.533432    3.0
7   21531-A HU.4    0.251558    21531   ND  0.560867    A   3.975227    2.0
8   21531-B HU.2    0.197108    21531   HU.2    0.890214    B   5.073356    2.0

之前尝试过直接按n_biopsy和patient排序，以及创建复合键，但都无法满足需求，要么排序依据错误，要么丢失组内顺序。

完全可以实现你的需求，步骤如下：

1. 提取每个患者组的A样本签名：筛选出所有后缀为A的样本，提取对应的patient和closest_signature，将这个映射关联到原DataFrame中，作为分组排序的依据列。
2. 保留组内顺序：直接用biopsy列作为组内排序的依据，保证样本按A到Z的顺序排列。
3. 多键排序：按n_biopsy降序、新生成的A样本签名升序、patient（确保组内聚合）、biopsy升序排序，最后重置索引即可。

具体代码实现：

# 1. 提取每个患者的A样本closest_signature
a_signatures = df[df['sample'].str.endswith('-A')][['patient', 'closest_signature']].rename(columns={'closest_signature': 'a_closest_signature'})

# 2. 将该签名关联到原DataFrame
df_with_key = df.merge(a_signatures, on='patient', how='left')

# 3. 执行排序：n_biopsy降序，a_closest_signature升序，patient确保组内聚合，biopsy升序保留组内顺序
sorted_df = df_with_key.sort_values(
    by=['n_biopsy', 'a_closest_signature', 'patient', 'biopsy'],
    ascending=[False, True, True, True]
).drop(columns='a_closest_signature')  # 可选：删除临时列

# 重置索引（可选）
sorted_df = sorted_df.reset_index(drop=True)

print(sorted_df)

代码说明： #

• 第一步筛选出所有sample以-A结尾的行，提取患者ID和对应的签名，确保每个患者只有一条记录，作为该组的统一排序依据。
• 第二步用merge将这个签名映射到原DataFrame的每一行，让同一患者的所有样本都带有这个统一的排序键。
• 第三步排序时，先按n_biopsy降序分组，同一n_biopsy内按A样本的签名升序排列患者组，再用patient保证同一患者的样本聚在一起，最后用biopsy升序保留A到Z的顺序。

执行这段代码后，就能得到你预期的排序结果，同时完全保留组内样本的原有顺序。

内容的提问来源于stack exchange，提问作者Einar