如何基于分组总和对Pandas DataFrame进行分组排序？

核心思路 #

先计算每个(year, make, model)组合的num_registered_cars总和，将该总和关联回原DataFrame的每一行，再以此总和为依据完成分组排序，确保同一年份内总量高的make+model组排在前面，且同组行自动聚合。

具体代码实现 #

假设你的原DataFrame名为car_df，按以下步骤操作：

1. 计算分组总量

# 统计每个年份下，各品牌+车型的总注册量
group_totals = car_df.groupby(['year', 'make', 'model'])['num_registered_cars']\
                     .sum()\
                     .reset_index(name='total_registered')

2. 关联总量到原数据

# 把分组总量合并回原DataFrame，让每一行都能获取到所属组的总注册量
car_df_with_total = car_df.merge(group_totals, on=['year', 'make', 'model'])

3. 执行排序

# 按规则排序：年份升序，组总注册量降序，同组内可按品牌/车型进一步排序（可选）
sorted_car_df = car_df_with_total.sort_values(
    by=['year', 'total_registered', 'make', 'model'],
    ascending=[True, False, True, True]
)

# 可选：删除临时添加的total_registered列
sorted_car_df = sorted_car_df.drop(columns='total_registered')

效果说明 #

排序后的结果会满足：

• 所有行按year从小到大排列
• 同一年份内，make+model组按总注册量从高到低排序
• 同一make+model的所有行（不同fuel、variant等）会自动聚合在一起

内容的提问来源于stack exchange，提问作者kithuto