Pandas多类别groupby分组后按组内值排序及格式化显示方法

现有数据集包含3个字段：

• country：国家
• goodCode：商品编码
• value：货值
  数据覆盖150余个国家、12000余种不同商品，需要实现以下处理效果：

1. 按country、goodCode两个维度分组，对value字段求和，生成Totalvalue（总货值）列
2. 以国家为分组单位，每个国家内部的商品按Totalvalue从高到低排序
3. 最终展示时，同一国家仅在分组第一行显示国家名称，其余行该字段留空，直观呈现每个国家下的商品货值排名

• 执行df.groupby(["country" ,"goodCode"]).sum().reset_index()得到的结果没有按要求排序，且每一行都重复显示国家名称，不符合展示要求
• 直接执行sort_values(by=["Totalvalue"], ascending = False)会打乱国家分组，变成全数据集按货值全局排序，不同国家的数据混排，无法实现分组内排序的效果

基于pandas按以下步骤处理即可，全程不会打乱国家分组：

import pandas as pd

# 步骤1：分组聚合，计算每个国家对应各商品的总货值
agg_result = df.groupby(["country", "goodCode"], as_index=False)["value"].sum().rename(columns={"value": "Totalvalue"})

# 步骤2：双字段排序，优先保证相同国家数据连续，再做组内货值降序
sorted_result = agg_result.sort_values(
    by=["country", "Totalvalue"],
    ascending=[True, False],
    ignore_index=True
)

# 步骤3：处理国家列重复值，仅保留每个国家分组首行的名称
sorted_result["country"] = sorted_result["country"].where(
    sorted_result["country"] != sorted_result["country"].shift(),
    ""
)

关键逻辑说明：

• 排序时同时指定country和Totalvalue为排序键，优先级上先按国家排序保证同国家数据连续，再在组内按货值降序，从根源避免不同国家数据混排
• 最后一步通过shift()取上一行的国家值做对比，只有当前行是国家分组第一行时保留国名，其余行置空，完全匹配展示需求
  处理完成后直接输出或导出sorted_result即可得到目标结果。

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