Python DataFrame按单列排序重排行时保留另一列原有顺序的方法

现有数据集 #

Name Year  Date Value
x    year1 date1 v1
x    year1 date2 v2
x    year1 date3 v3
x    year2 date1 v4
x    year2 date2 v5
x    year2 date3 v6
z    year1 date1 v7
z    year1 date2 v8
z    year1 date3 v9
z    year2 date1 v10
z    year2 date2 v11
z    year2 date3 v12
y    year1 date1 v13
y    year1 date2 v14
y    year1 date3 v15
y    year2 date1 v16
y    year2 date2 v17
y    year2 date3 v18

排序要求 #

• 保持Name列原始出现顺序x、z、y不变，不按字典序重排
• 每个Name分组内部按Date列排序
• 同一Date下year1、year2的行相邻，且year1在前

问题原因 #

直接使用df.sort_values(['Name', 'Date'])时，pandas会默认对字符串类型的Name列按字典序排序，y的字典序小于z，因此最终输出Name顺序为x、y、z，不符合要求；同时代码缺少Year作为排序键，无法保证同一日期下年份顺序正确。

实现方案 #

方案1：指定分类顺序后排序 #

先提取Name列的原始出现顺序，将列转为指定顺序的分类类型，再按多键排序即可，性能更优适合大数据集：

import pandas as pd

# 提取Name列首次出现的顺序，去重保留原始先后
name_sort_order = df['Name'].drop_duplicates().tolist()
# 将Name列转为自定义顺序的分类类型
df['Name'] = pd.Categorical(df['Name'], categories=name_sort_order, ordered=True)
# 按Name、Date、Year三个维度排序
df_sorted = df.sort_values(by=['Name', 'Date', 'Year'])

方案2：分组排序保留原始分组顺序 #

使用groupby的sort=False参数关闭分组时的自动排序，保留Name原始出现顺序，再对每个分组内部单独排序：

df_sorted = df.groupby('Name', sort=False, group_keys=False).apply(
    lambda group: group.sort_values(by=['Date', 'Year'])
)

两种方案输出结果完全符合预期：

Name Year  Date Value
x    year1 date1 v1
x    year2 date1 v4
x    year1 date2 v2
x    year2 date2 v5
x    year1 date3 v3
x    year2 date3 v6
z    year1 date1 v7
z    year2 date1 v10
z    year1 date2 v8
z    year2 date2 v11
z    year1 date3 v9
z    year2 date3 v12
y    year1 date1 v13
y    year2 date1 v16
y    year1 date2 v14
y    year2 date2 v17
y    year1 date3 v15
y    year2 date3 v18

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