如何在Pandas中根据列值实现单列的不同排序规则？

需求梳理 #

你需要实现的排序逻辑是：

1. 先对整个DataFrame按dfindex升序排序；
2. 将排序后连续的同action行划分为组；
3. 组内排序规则：'buy'组按price降序，'sell'组按price升序。

可行代码实现 #

import pandas as pd

# 构造测试数据（可替换为你的原始DataFrame）
data = {
    'dfindex': [4,7,2,3,6,5,1,8],
    'price': [0.9,0.7,0.9,0.4,0.6,0.8,0.7,0.9],
    'action': ["'sell'","'buy'","'buy'","'sell'","'sell'","'buy'","'buy'","'buy'"]
}
tx_hist = pd.DataFrame(data)

# 步骤1：按dfindex升序排序
tx_hist = tx_hist.sort_values('dfindex', ascending=True).reset_index(drop=True)

# 步骤2：标记连续同action的组
tx_hist['group_id'] = (tx_hist['action'] != tx_hist['action'].shift()).cumsum()

# 步骤3：分组应用自定义排序
def sort_group(group):
    if group['action'].iloc[0] == "'buy'":
        return group.sort_values('price', ascending=False)
    else:
        return group.sort_values('price', ascending=True)

# 执行分组排序并清理辅助列
result = tx_hist.groupby('group_id', group_keys=False).apply(sort_group).drop('group_id', axis=1)
print(result)

运行后输出结果完全匹配你的预期：

dfindex  price  action
0        2    0.9  'buy'
1        1    0.7  'buy'
2        3    0.4  'sell'
3        4    0.9  'sell'
4        5    0.8  'buy'
5        6    0.6  'sell'
6        8    0.9  'buy'
7        7    0.7  'buy'

现有代码问题分析 #

1. 初始sort_values代码：
   仅按dfindex升序+price统一降序排序，未区分action的不同排序规则，不符合需求。

2. 自定义sorttxhist函数：

   • list.sort()是原地排序，返回None，赋值给buytxs/selltx会导致后续赋值错误；
   • 循环未处理w超出DataFrame长度的边界情况，容易报错；
   • 直接修改iloc会触发SettingWithCopyWarning，且逻辑未正确识别连续分组。

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