如何按需求对Pandas DataFrame的元素进行排序与分组？

首先纠正几个关键点：你的原代码里误用了列名（DataFrame中分组列是category而非group），且未处理同分数按时间升序、组间按组内最高分降序这两个核心需求。以下是完整实现步骤：

步骤1：转换时间列为datetime类型 #

时间列需要先转为可排序的datetime格式，否则字符串排序会出错：

df['time'] = pd.to_datetime(df['time'])

步骤2：生成组内最高分辅助列 #

通过groupby.transform为每行添加对应组的最高分，作为组间排序的依据：

df['group_max_score'] = df.groupby('category')['score'].transform('max')

步骤3：多维度排序 #

按「组内最高分降序 → 组内分数降序 → 时间升序」的优先级排序，最后删除辅助列：

df_sorted = df.sort_values(
    by=['group_max_score', 'score', 'time'],
    ascending=[False, False, True]
).drop('group_max_score', axis=1)

最终结果说明 #

排序后的数据顺序完全符合需求：

• 组间：C组（最高分5）→ A组（最高分5）→ B组（最高分4）
• 组内：
  • A组：peter（5分）→ tom（3分，时间更早）→ nick（3分）
  • B组：ewa（4分）→ juli（2分）
  • C组：johan（5分）

替代简化写法（无需辅助列） #

如果不想生成临时列，也可以先按组内规则排序，再按组的最高分排序分组：

# 先完成组内排序：分数降序，时间升序
df_sorted_inner = df.sort_values(['score', 'time'], ascending=[False, True])
# 按category分组后，按每组的最高分降序排列各组
df_sorted = df_sorted_inner.groupby('category', sort=False).apply(
    lambda x: x
).sort_index(key=lambda x: df.groupby('category')['score'].max()[x], ascending=False).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Wenjie Yu