按行业分组并按总资产排序后计算pr_multi相关矩阵遇序乱问题

我手里有11个行业共100家公司的数据，想先按行业分组，每个行业内按总资产（atq）降序排序，再计算pr_multi的相关系数矩阵。但执行排序和groupby操作后，结果总是按字母顺序排列，没法保留我设定的排序逻辑。

数据样例 #

当前使用的代码 #

data1=data18.sort_values(['atq'],ascending=False).groupby('industry').head()
df = data1.pivot_table('pr_multi', ['datafqtr'], 'tic')
# 用pandas内置函数计算相关系数矩阵
correlation_matrix = df.corr()
correlation_matrix.head()

• 问题出在两点：groupby('industry').head()不会保留分组内的排序结果；后续pivot_table会默认按tic的字母顺序排列列，最终导致相关矩阵顺序不符合预期。
• 修正步骤：
  1. 先按行业分组，在每个组内单独按atq降序排序，同时保留排序后的顺序：

     # 分组后每个行业内按atq降序排序，重置索引避免混乱
     data1 = data18.groupby('industry', group_keys=False).apply(lambda x: x.sort_values('atq', ascending=False)).reset_index(drop=True)
     

  2. 提取去重后的tic列表，这个列表会保留行业内按atq降序的顺序：

     sorted_tics = data1['tic'].drop_duplicates().tolist()
     

  3. 生成透视表时，指定列顺序为刚才得到的sorted_tics，确保列的排序符合要求：

     df = data1.pivot_table('pr_multi', index='datafqtr', columns='tic')[sorted_tics]
     

  4. 再计算相关系数矩阵，此时矩阵的行和列都会严格遵循你设定的排序逻辑：

     correlation_matrix = df.corr()
     correlation_matrix.head()
     

• 额外提示：如果需要把相关矩阵按行业分组展示，可以基于sorted_tics和行业对应关系，重新调整矩阵的行和列顺序。

内容的提问来源于stack exchange，提问作者hilo