Pandas中如何对值相等的Series按索引进行排序

问题场景 #

给定测试Series：

import pandas as pd
s1 = pd.Series([23,23,21,21,25,25,25])

默认执行s1.value_counts()会返回按频次降序排列的统计结果，索引为原Series的去重值，默认输出如下：

25    3
23    2
21    2
dtype: int64

需求为将结果按索引值（也就是原Series的被统计值）升序排列，替代手动转字典、反转键值排序的低效方案。

最优实现 #

不需要做任何字典转换、键值反转操作，直接使用Pandas原生的链式方法即可，无额外数据结构转换开销，执行效率远高于纯Python层面的字典处理逻辑：

# 方法1：拿到默认频次统计结果后直接按索引升序重排
result = s1.value_counts().sort_index(ascending=True)

执行后输出符合预期：

21    2
23    2
25    3
dtype: int64

也可以在调用value_counts时先关闭默认的频次排序规则，再做索引排序，逻辑更直观，性能和方法1几乎无差异：

# 方法2：关闭默认频次排序后按索引排序
result = s1.value_counts(sort=False).sort_index()

补充说明 #

• 两种方法均为Pandas底层优化过的实现，在十万级以上数据量场景下，比手动转字典重构的方案快数倍
• 如果需要调整排序方向，只需要修改sort_index的ascending参数为False即可实现索引降序排列
• 如果需求是优先按频次降序、同频次下按索引升序，可以用sort_values+sort_index的层级排序实现，可根据实际场景调整

内容的提问来源于stack exchange，提问作者Rishab S