如何按A列排序，A列值相同时保留B列原始顺序？

问题分析 #

你之前的代码在示例中有效，但真实数据出错，核心原因是对A列使用pd.factorize()会按日期在原数据中首次出现的顺序生成编码，而非日期的实际大小顺序。如果真实数据中日期不是按升序出现的，这种编码方式会导致日期排序逻辑错误。同时，你不需要对B列指定排序键——你的需求是同日期下保持B列的原始顺序，而非按B列的某种规则排序。

正确解决方案 #

要实现「A列日期升序，同日期行保持原始顺序」的需求，有两种可靠方法：

方法1：利用原始索引辅助排序 #

通过保留原始数据的索引，确保同日期的行按原顺序排列：

import pandas as pd

# 模拟真实数据可能的日期乱序情况
df = pd.DataFrame({'A': ['2022-01-03', '2022-01-01', '2022-01-01', '2022-01-02'], 
                   'B': ['qux', 'XYZ', 'ABC', 'baz'], 
                   'X': [2, 1, 1, 2]})

# 第一步：将A列转为日期类型（确保日期排序逻辑正确，避免字符串排序的潜在问题）
df['A'] = pd.to_datetime(df['A'])

# 添加原始索引列，用于保留同日期的原始顺序
df['original_idx'] = df.index

# 按A列升序、原始索引升序排序，之后删除辅助列
df_sorted = df.sort_values(by=['A', 'original_idx']).drop('original_idx', axis=1)

display(df_sorted)

方法2：使用稳定排序算法 #

Pandas的sort_values默认使用不稳定的快速排序，而mergesort是稳定排序算法——稳定排序会保证相同排序键的行，保持它们在原数据中的相对顺序：

import pandas as pd

df = pd.DataFrame({'A': ['2022-01-03', '2022-01-01', '2022-01-01', '2022-01-02'], 
                   'B': ['qux', 'XYZ', 'ABC', 'baz'], 
                   'X': [2, 1, 1, 2]})

# 转为日期类型
df['A'] = pd.to_datetime(df['A'])

# 使用mergesort稳定排序，仅按A列升序即可
df_sorted = df.sort_values(by='A', kind='mergesort')

display(df_sorted)

关键注意事项 #

• 必须先将A列转为datetime类型：如果A列是字符串，虽然YYYY-MM-DD格式的字符串排序也能得到正确结果，但其他格式的日期字符串会排序错误，转为日期类型是最稳妥的做法。
• 不要对B列添加排序键：你的需求是保留原始顺序，而非按B列的内容排序，所以只需按A列排序即可（配合稳定排序或原始索引）。

内容的提问来源于stack exchange，提问作者Anon