如何按Name列出现频次从高到低排序DataFrame并保留原结构

要实现按Name出现频次从高到低排序、同Name记录聚合且保留原列结构的需求，你可以通过以下两种简洁方法实现：

方法一：临时计数列辅助排序 #

先为每条记录添加对应Name的出现次数，再基于该次数排序后移除临时列：

# 统计每个Name的出现次数
name_freq = df['Name'].value_counts()
# 为原DataFrame添加频次列
df['freq'] = df['Name'].map(name_freq)
# 按频次降序排序，同频次的Name保持原组内顺序
df = df.sort_values(by='freq', ascending=False)
# 移除临时频次列并重置索引（可选，按需保留原索引可省略reset_index）
df = df.drop(columns='freq').reset_index(drop=True)

方法二：利用sort_values的key参数（更简洁） #

直接通过key参数映射Name的频次，无需创建临时列：

df = df.sort_values(
    by='Name',
    key=lambda col: col.map(col.value_counts()),
    ascending=False
).reset_index(drop=True)

结果说明 #

两种方法都会得到你需要的输出结构：

Name  Age
0  Mukul   22
1  Mukul   21
2  Rohan   22
3  Rohan   24
4  Robin   20
5  Manoj   20
6  Kamal   21

其中同Name的记录会聚合在一起，且按出现频次从高到低排列，组内记录保留原DataFrame中的顺序。

你之前的代码使用groupby做了聚合统计，所以得到的是频次汇总表而非原结构的排序结果，上述方法则是对原数据行进行排序，完全符合需求。

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