Python：按指定列排序并自动升序排列其余列

问题场景 #

现有如下Pandas DataFrame，需要先按person和buydate列排序，同时让所有其他列自动按升序排列：

import pandas as pd

df = pd.DataFrame({'person': [1, 1, 1, 2, 3, 3],
                   'brand': ['b', 'a', 'a', 'b', 'a', 'b'],
                   'product': ['A1', 'A1', 'A2', 'B1', 'C1', 'C2'],
                   'buydate': ['20220101', '20220101', '20220401', '20220601', '20220630', '20221201'],
                   'type': ['2', '1', '1', '1', '1', '2'],
                   'price': [50, 20, 200, 300, 20, 150],})

期望排序结果：

尝试仅按person和buydate排序的代码无法得到预期结果（person=1的前两行顺序错误）：

df = df.sort_values(['person', 'buydate'])

要求解决方案运行高效，适配大数据集，可接受lambda方法。

高效解决方案 #

直接将person、buydate作为首要排序键，再加入所有剩余列组成完整排序列表，利用Pandas矢量化排序的高效性完成需求：

# 构建排序列列表：先指定person、buydate，再加入其余所有列
sort_columns = ['person', 'buydate'] + [col for col in df.columns if col not in ['person', 'buydate']]

# 执行排序（ascending=True为默认，可省略）
df_sorted = df.sort_values(sort_columns)

原理说明 #

• 当person和buydate的值相同时，会自动按后续列（brand、product、type、price）依次升序排列，正好匹配你需要的结果。
• 这种方法基于Pandas原生的sort_values矢量化操作，比lambda自定义排序效率高得多，适合处理大规模数据集。

验证结果 #

运行上述代码后，person=1且buydate为20220101的两行会按brand（a < b）、type（1 < 2）、price（20 < 50）的顺序排列，完全符合预期。

内容的提问来源于stack exchange，提问作者cookiecookie