如何在Pandas中保持infoid列顺序不变并对statisticsdate列升序排序？

需求说明 #

需要在处理Pandas数据时，保持infoid列的原有出现顺序不变，同时将每个infoid对应的statisticsdate列按升序排列。

原始数据 #

statisticsdate  infoid 
20230108      46726004
20230106      46726004
20230108      46725082
20230107      46725082
20230108      46725081
20230108      46724162
20230108      46720662 

期望结果 #

statisticsdate  infoid 
20230106      46726004
20230108      46726004
20230107      46725082
20230108      46725082
20230108      46725081
20230108      46724162
20230108      46720662 

实现方案 #

核心思路是给infoid列按首次出现的顺序生成分类标签，以此为依据分组后，在组内对statisticsdate进行升序排序：

import pandas as pd

# 构造原始DataFrame
data = {
    'statisticsdate': [20230108, 20230106, 20230108, 20230107, 20230108, 20230108, 20230108],
    'infoid': [46726004, 46726004, 46725082, 46725082, 46725081, 46724162, 46720662]
}
df = pd.DataFrame(data)

# 生成保留原始顺序的infoid分类列
df['infoid_order'] = pd.Categorical(df['infoid'], categories=df['infoid'].unique(), ordered=True)

# 按分类列+日期排序，移除临时列
result_df = df.sort_values(by=['infoid_order', 'statisticsdate'], ascending=[True, True]).drop('infoid_order', axis=1)

# 重置索引（可选操作）
result_df = result_df.reset_index(drop=True)

print(result_df)

代码说明 #

• pd.Categorical通过categories=df['infoid'].unique()锁定infoid的原始出现顺序，ordered=True使该列可用于排序依据；
• sort_values先按infoid的原始顺序排序，再在每个infoid组内对statisticsdate升序排列；
• 最后移除临时生成的infoid_order列，得到符合需求的结果。

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