如何在Pandas中按院校分组并按最新入学年份排序数据

要实现你需要的排序效果，核心是先给每个院校标记它的最新入学年份，再以此为依据确定院校分组的先后顺序，同时组内按入学年份降序排列。以下是具体步骤和代码：

步骤1：构造示例数据集 #

先还原你提供的数据集：

import pandas as pd

data = {
    'Name': ['Mary', 'Joe', 'Bill', 'Louise', 'Michael', 'Penny', 'Harry'],
    'College': ['Princeton', 'Harvard', 'Princeton', 'Princeton', 'Harvard', 'Yale', 'Yale'],
    'Year': [2017, 2018, 2016, 2020, 2019, 2018, 2015]
}
df = pd.DataFrame(data)

步骤2：添加院校最新入学年份辅助列 #

通过groupby+transform计算每个院校的最新入学年份，并映射到原数据的每一行：

df['College_Latest_Year'] = df.groupby('College')['Year'].transform('max')

transform的作用是将分组计算的结果（每个学院的最大入学年份）对应到该学院的所有行，这样每一行都能获取所属学院的最新年份信息。

步骤3：多条件排序 #

按以下优先级排序：

1. 院校最新入学年份（降序，确定分组顺序）
2. 院校名称（升序，确保同院校的行聚合在一起）
3. 学生入学年份（降序，组内排序）

sorted_df = df.sort_values(
    by=['College_Latest_Year', 'College', 'Year'],
    ascending=[False, True, False]
)

步骤4：清理辅助列（可选） #

如果不需要保留辅助列，可删除并重置索引：

sorted_df = sorted_df.drop('College_Latest_Year', axis=1).reset_index(drop=True)

最终得到的sorted_df就是你预期的结果：

内容的提问来源于stack exchange，提问作者Mackenzie