Pandas多索引DataFrame按季度分组对车型按销量降序排序方法

问题描述 #

我有一个以销售员（Salesperson）、年份（year）、季度（quarter）、**车型（Car model）**为多层索引（MultiIndex）的DataFrame，需要在每个季度分组内，按units sold（销量）降序排序，让销量最高的车型排在最前面。例如Tom在2022年Q1的最终排序需满足Benz居首、Audi居中、Ford末位。

示例数据代码 #

import pandas as pd
import numpy as np

# 构建多层索引
cars_sold = pd.MultiIndex.from_product([
    ['Tom','Jerry'],
    ['2022', '2023'],
    ['Q1', 'Q2', 'Q3', 'Q4'],
    ['Ford', 'Audi', 'Benz']])
columns = ['units sold']
# 生成示例DataFrame
df = pd.DataFrame(
    np.arange(48).reshape((len(cars_sold), len(columns))),
    index=cars_sold,
    columns=columns)

解决方案 #

通过groupby按前三层索引分组，再在组内按销量降序排序即可实现需求：

# 按销售员、年份、季度分组，组内按销量降序排序
sorted_df = df.groupby(level=[0, 1, 2], group_keys=False).apply(
    lambda x: x.sort_values('units sold', ascending=False)
)

# 验证Tom 2022年Q1的排序结果
print(sorted_df.loc[('Tom', '2022', 'Q1')])

代码说明 #

• groupby(level=[0,1,2])：指定按多层索引的前三个层级（销售员、年份、季度）分组，确保每个分组对应某销售员某年度某季度的所有车型数据。
• group_keys=False：避免在结果中生成额外的分组键索引，保持原多层索引结构。
• sort_values('units sold', ascending=False)：对每个分组内的数据按销量列降序排序，让销量最高的车型排在组内首位。

验证结果 #

运行代码后，Tom 2022年Q1的输出结果如下，符合需求：

units sold
Tom 2022 Q1 Benz            2
            Audi            1
            Ford            0

内容的提问来源于stack exchange，提问作者Novice Python charmer