如何在Python中按分组cycle总数对DataFrame进行升/降序排列？

原始DataFrame代码 #

import pandas as pd

# 创建数据集
data = {'id': ['A', 'A', 'A', 'A', 'A','A', 'A', 'A', 'A', 'A', 'A',
               'B', 'B', 'B', 'B', 'B', 'B',
               'C', 'C', 'C', 'C', 'C', 'C',
               'D', 'D', 'D', 'D',
               'E', 'E', 'E', 'E', 'E','E', 'E', 'E','E'],
        'cycle': [1,2, 3, 4, 5,6,7,8,9,10,11,
                   1,2, 3,4,5,6,
                   1,2, 3, 4, 5,6,
                  1,2, 3, 4,
                  1,2, 3, 4, 5,6,7,8,9,],
        'Salary': [7, 7, 7,8,9,10,11,12,13,14,15,
                   4, 4, 4,4,5,6,
                   8,9,10,11,12,13,
                   8,9,10,11,
                   7, 7,9,10,11,12,13,14,15,],
        'Children': ['No', 'Yes', 'Yes', 'Yes', 'Yes', 'No','No', 'Yes', 'Yes', 'Yes', 'No',
                     'Yes', 'Yes', 'No', 'Yes', 'Yes', 'Yes', 
                     'No','Yes', 'Yes', 'No','No', 'Yes',
                     'Yes', 'No','Yes', 'Yes',
                      'No',  'Yes', 'No', 'No', 'Yes', 'Yes', 'Yes', 'Yes', 'No',],
        'Days': [123, 128, 66, 66, 120, 141, 52,96, 120, 141, 52,
                 96, 120,120, 141, 52,96,
                 15,123, 128, 66, 120, 141,
                 141,123, 128, 66,
                 123, 128, 66, 123, 128, 66, 120, 141, 52,],
        }

df = pd.DataFrame(data)

需求说明 #

已知各ID对应的cycle总数：A(11)、B(6)、C(6)、D(4)、E(9)，需要实现两种排序：

1. 升序排序：按cycle总数从小到大排列，顺序为 D→B/C→E→A（B和C顺序不限）
2. 降序排序：按cycle总数从大到小排列，顺序为 A→E→B/C→D（B和C顺序不限）
   排序后需保留原DataFrame的索引。

实现方案 #

利用pandas.DataFrame.sort_values()的key参数，将每个ID映射到对应的cycle总数，以此为依据排序，并通过ignore_index=False保留原索引。

1. 按cycle总数升序排序

# 计算每个ID对应的cycle总数
id_cycle_counts = df['id'].value_counts()

# 升序排序，保留原索引
df_sorted_asc = df.sort_values(
    by='id',
    key=lambda x: x.map(id_cycle_counts),
    ascending=True,
    ignore_index=False
)

print("升序排序结果（保留原索引）：\n", df_sorted_asc)

2. 按cycle总数降序排序

只需将ascending参数改为False即可：

# 降序排序，保留原索引
df_sorted_desc = df.sort_values(
    by='id',
    key=lambda x: x.map(id_cycle_counts),
    ascending=False,
    ignore_index=False
)

print("降序排序结果（保留原索引）：\n", df_sorted_desc)

说明 #

• df['id'].value_counts()会统计每个ID的出现次数，也就是对应的cycle总数
• key=lambda x: x.map(id_cycle_counts)将每一行的ID替换为对应的cycle总数，以此作为排序依据
• ignore_index=False确保排序后保留原始索引，不重新生成连续索引

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