如何在Pandas中按Datetime分层排序并保留已排序索引

要实现按name分组后组内按timestamp排序，同时保留name的原始出现顺序，可以用groupby结合apply的方式，关键是设置groupby的sort=False来避免分组被自动按字母排序。

步骤1：确保时间戳是datetime类型 #

首先需要把timestamp列转换为datetime格式（如果你的数据还不是的话），这样排序才会按时间逻辑生效：

import pandas as pd

# 转换timestamp为datetime类型
df['timestamp'] = pd.to_datetime(df['timestamp'])

步骤2：分组+组内排序 #

使用groupby按name分组，设置sort=False保留原始的name出现顺序，然后对每个分组应用sort_values按时间升序排序：

# 分组并组内排序，最后重置索引
df_sorted = df.groupby('name', sort=False).apply(lambda group: group.sort_values('timestamp')).reset_index(drop=True)

如果你的name已经是DataFrame的索引（即分层索引的一部分），只需要把groupby的参数改成level='name'即可：

df_sorted = df.groupby(level='name', sort=False).apply(lambda group: group.sort_values('timestamp')).reset_index(drop=True)

为什么直接用sort_values不行？ #

你之前执行的df.sort_values(by='timestamp', ascending=True)会把所有行按时间全局排序，完全打乱了name的分组结构，而我们需要的是每个name组内部独立按时间排序，同时组与组之间保持原来的顺序，groupby(sort=False)就能保证分组顺序和数据中name第一次出现的顺序一致，再结合组内排序就完美解决问题了。

内容的提问来源于stack exchange，提问作者Jeroen