如何对含重复值的Pandas DataFrame按col1/col2交换规则排序？

需求说明 #

需要对包含百万级行及额外列的Pandas DataFrame进行排序，实现col1与col2的排序逻辑互换，但不能直接交换列顺序。

原始数据构建 #

import pandas as pd

# 构建col1数据
col1 = ['1M'] * 12
col11 = ['2M'] * 12
col111 = ['3M'] * 12
col1111 = ['4M'] * 12
final_col1 = col1 + col11 + col111 + col1111

# 构建col2数据
col2 = ['1M', '2M', '3M', '4M']
final_col2 = 12 * col2

# 生成DataFrame并添加模拟额外列
df1 = pd.DataFrame({
    'col1': final_col1,
    'col2': final_col2,
    'data': range(1, len(final_col1)+1)
})

输入输出样例 #

输入（截取部分）

col1 col2  data
0    1M   1M     1
1    1M   2M     2
2    1M   3M     3
3    1M   4M     4
4    1M   1M     5
...
12   2M   1M    13

输出（对应截取部分）

col1 col2  data
0   1M   1M     1
1   2M   1M    13
...

高效排序解决方案 #

直接使用sort_values方法，指定排序优先级为col2优先、col1其次，即可实现排序逻辑互换，同时保留原有列顺序和所有数据，适合百万级大数据场景：

# 按col2、col1排序，实现逻辑互换
df_sorted = df1.sort_values(by=['col2', 'col1'], ignore_index=True)

原理说明 #

原数据默认排序逻辑为先按col1分组，组内按col2排序；通过sort_values(by=['col2', 'col1'])，将排序逻辑改为先按col2分组，组内按col1排序，完美实现需求，且无需重构DataFrame，性能最优。

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