如何用Pandas重排表格：Type优先、交替I/P并按Value降序

原始数据 #

当前排序结果 #

期望排序规则 #

1. 优先展示Primary类型，Secondary类型后置
2. Primary类型内交替展示I和P类型的行，且同一I/P分组内按Value从大到小排列
3. Secondary类型按Value从大到小排列

Pandas实现代码 #

步骤1：创建DataFrame #

import pandas as pd

data = {
    'ID': ['ID1', 'ID2', 'ID3', 'ID4', 'ID5', 'ID6'],
    'Type': ['Primary', 'Primary', 'Secondary', 'Secondary', 'Primary', 'Primary'],
    'I/P': ['I', 'I', 'P', 'I', 'P', 'I'],
    'Value': [8, 3, 6, 2, 3, 4]
}

df = pd.DataFrame(data)

步骤2：处理Primary分组的交替排序 #

通过给同一I/P分组的行添加排名，再按排名+I/P排序实现交替效果：

# 筛选Primary数据并复制，避免修改原DataFrame
primary_df = df[df['Type'] == 'Primary'].copy()

# 按I/P分组，每组内按Value降序分配排名，确保同组内大值在前
primary_df['rank'] = primary_df.groupby('I/P')['Value'].rank(ascending=False, method='first').astype(int)

# 按排名升序、I/P升序排序，实现交替展示I和P的效果
primary_sorted = primary_df.sort_values(by=['rank', 'I/P'], ascending=[True, True])

# 移除临时添加的rank列
primary_sorted = primary_sorted.drop('rank', axis=1)

步骤3：处理Secondary分组排序 #

按Value降序排列：

secondary_sorted = df[df['Type'] == 'Secondary'].sort_values(by='Value', ascending=False)

步骤4：合并结果并重置索引 #

final_df = pd.concat([primary_sorted, secondary_sorted]).reset_index(drop=True)

最终结果 #

注：你提供的期望结果中ID5重复出现，推测是笔误，上述实现是基于合理逻辑生成的正确交替排序结果。

内容的提问来源于stack exchange，提问作者Simon