Python Pandas分组排序问题：按Type、I/P优先级降序排列Value

AI 小北

2026-8-10

背景

现有如下格式的表格：

文件（File）	IDR	IDC	类型（Type）	I/P	数值（Value）
1	1	ID1	Primary	P	5
1	1	ID2	Secondary	P	6
1	1	ID3	Primary	I	7
2	2	ID4	Primary	I	8
2	2	ID5	Secondary	P	10

每个【File】对应独立的IDR，每个【IDR】包含带有Type（Primary/Secondary）和Value的IDC。

问题描述

需对【Value】进行降序排序，但需优先保留Primary类型，其次为Secondary类型；同时需兼顾I/P的区分，且File和IDR为核心分组列。

最初尝试对数值排序：

df3 = df2.groupby(['filename', 'ID_R']).apply(lambda x: x.sort_values(by=['Type', 'Value'], ascending=[True, False]))

后续尝试结合I/P进行混合排序：

.assign(seq=df.groupby(['Type', 'I/P']).cumcount()).sort_values(['Type', 'seq', 'I/P']).drop(columns='seq')

但此方式会忽略最初的groupby(['filename', 'ID_R'])分组逻辑。

期望输出

文件（File）	IDR	IDC	类型（Type）	I/P	数值（Value）
1	1	ID3	Primary	I	7
1	1	ID1	Primary	P	5
1	1	ID2	Secondary	P	6
2	2	ID4	Primary	I	8
2	2	ID5	Secondary	P	10

解决方案

要实现需求，需在每个文件（File）和IDR分组内，按以下优先级排序：

优先排列Type为Primary的行，再排Secondary
同一Type内，先排I/P为I的行，再排P的行
同一Type和I/P的分组内，按Value降序排列

对应代码实现如下：

df_sorted = df.groupby(['文件（File）', 'IDR'], group_keys=False).apply(
    lambda x: x.sort_values(
        by=['类型（Type）', 'I/P', '数值（Value）'],
        ascending=[True, False, False]
    )
).reset_index(drop=True)

代码说明

groupby(['文件（File）', 'IDR'], group_keys=False)：按核心分组列进行分组，group_keys=False避免生成额外分组键列
sort_values排序规则：
- 类型（Type）升序：利用字典序特性，让Primary排在Secondary之前
- I/P降序：让I排在P之前，满足I/P区分要求
- 数值（Value）降序：实现数值从大到小排列