如何在Pandas中按规则统一不同地区车型的价格排序？

可以通过分组+指定地区排序+累计最大值的方式简洁实现需求，核心是利用cummax()保证价格满足递增规则，同时保留原数据结构：

import pandas as pd

# 示例数据
region = ['east','west', 'central', 'east', 'west', 'central', 'east', 'west', 'central']
automobile = ['bmw', 'bmw', 'bmw', 'tesla', 'tesla', 'tesla', 'lucid', 'lucid', 'lucid']
price = [250, 350, 300, 500, 550, 575, 950, 900, 850]
df_test = pd.DataFrame({'region':region,
                        'automobile':automobile,
                        'price':price} )

# 定义地区优先级（保证east → central → west的顺序）
region_order = {'east': 0, 'central': 1, 'west': 2}

# 分组处理价格调整
df_test['adjusted_price'] = df_test.groupby('automobile').apply(
    lambda group: (
        group
        # 给每个地区标记排序权重
        .assign(region_rank=group['region'].map(region_order))
        # 按地区优先级排序，确保east在前，west在后
        .sort_values('region_rank')
        # 计算累计最大值，保证后续价格≥前面的地区
        ['price'].cummax()
        # 恢复原数据的行顺序
        .reindex(group.index)
    )
).values

print(df_test)

输出结果 #

region automobile  price  adjusted_price
0    east        bmw    250             250
1    west        bmw    350             350
2  central        bmw    300             300
3    east       tesla    500             500
4    west       tesla    550             575
5  central       tesla    575             575
6    east       lucid    950             950
7    west       lucid    900             950
8  central       lucid    850             950

逻辑说明 #

1. 地区排序：通过region_order映射把地区转换成可排序的数值，确保处理顺序是east → central → west，这是满足规则的基础。
2. 累计最大值：cummax()会遍历排序后的价格，保留到当前位置为止的最大值，自然实现East ≤ Central ≤ West的要求：
   • 对于Tesla：East(500) → Central(575，≥500) → West(550，调整为累计最大值575)
   • 对于Lucid：East(950) → Central(850，调整为950) → West(900，调整为950)
3. 保留原结构：用reindex(group.index)把处理后的价格重新对齐到原数据的行顺序，避免打乱原有数据的排列。

内容的提问来源于stack exchange，提问作者bluetooth