如何按ID分组并组内按日期排序重组Pandas DataFrame？

我有一个包含id、date、val三列的Pandas DataFrame，存在多个不同的id。希望将同一id的所有行集中在一起，组内按date排序，且id无需进行排序（保持原数据中id首次出现的顺序）。

示例初始化代码：

import pandas as pd
df = pd.DataFrame()
df['id'] = [10, 2, 3, 10, 10, 2, 2]
df['date'] = ['2020-01-01 12:00:00','2020-01-01 12:00:00','2020-01-01 12:00:00','2020-01-01 13:00:00','2020-01-01 14:00:00', '2020-01-01 13:00:00','2020-01-01 14:00:00']
df['val'] = [0, 1, 2,-3, 4, 6,7]

期望输出：

id                 date  val
0  10  2020-01-01 12:00:00    0
1  10  2020-01-01 13:00:00   -3
2  10  2020-01-01 14:00:00    4
3   2  2020-01-01 12:00:00    1
4   2  2020-01-01 13:00:00    6
5   2  2020-01-01 14:00:00    7
6   3  2020-01-01 12:00:00    2

说明：共有三个id（10、2、3），先展示id=10的所有按日期排序的数据，接着是id=2的，以此类推，id保持原数据中的出现顺序，不进行数值排序。

要实现同一id行聚集、组内按date排序且保持id原出现顺序的需求，可通过以下两种高效方法完成：

方法1：用factorize生成排序键 #

pd.factorize会给每个首次出现的id分配递增编码，以此作为第一排序依据，搭配date作为第二排序键：

# 确保date列为datetime类型（必要步骤）
df['date'] = pd.to_datetime(df['date'])

# 生成id的首次出现顺序编码
df['id_seq'] = pd.factorize(df['id'])[0]

# 排序后移除临时列并重置索引
result = df.sort_values(by=['id_seq', 'date']).drop('id_seq', axis=1).reset_index(drop=True)

方法2：分组排序后按原顺序拼接 #

先获取id在原数据中的唯一出现顺序，再分组排序后按该顺序拼接：

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

# 保留id的原始出现顺序
unique_ids = df['id'].unique()

# 分组排序并按顺序拼接
result = pd.concat([df[df['id'] == idx].sort_values('date') for idx in unique_ids]).reset_index(drop=True)

两种方法均能得到符合预期的输出，方法1在处理大数据集时性能更优。

内容的提问来源于stack exchange，提问作者Sadcow