如何为Pandas groupby结果添加分组小计并按小计值降序排名？

import pandas as pd

# 原始数据集
d = {'Col_A': [1,2,3,4,5,6,9,9,10,11,11,12,12,12,12,12,12,13,13], 
     'Col_B': ['A','K','E','E','H','A','J','A','L','A','B','A','J','C','D','E','A','J','L'],
     'Value':[180,120,35,654,789,34,567,21,235,83,234,648,654,234,873,248,45,67,94]
    }
df = pd.DataFrame(data=d)

# 1. 先计算每个Col_B的总数值，用于后续降序排序
col_b_total = df.groupby('Col_B')['Value'].sum().sort_values(ascending=False)
# 给Col_B添加排序优先级
df['b_sort_order'] = df['Col_B'].map(col_b_total.rank(ascending=False, method='dense').astype(int))

# 2. 定义分组处理函数，生成每个Col_B的明细+小计行
def add_subtotal(group):
    # 组内明细：按Col_A聚合
    detail = group.groupby('Col_A')['Value'].agg(Col_A计数='count', 对应总数值='sum').reset_index()
    # 生成小计行
    subtotal = pd.DataFrame({
        'Col_A': ['*小计'],
        'Col_A计数': [detail['Col_A计数'].sum()],
        '对应总数值': [detail['对应总数值'].sum()]
    })
    # 合并明细和小计
    res = pd.concat([detail, subtotal], ignore_index=True)
    # 保留Col_B和排序字段
    res['Col_B'] = group.name
    res['b_sort_order'] = group['b_sort_order'].iloc[0]
    return res

# 3. 按Col_B分组处理，再按排序字段排序，最后调整列顺序
result = df.groupby('Col_B', sort=False).apply(add_subtotal).reset_index(drop=True)
result = result.sort_values(['b_sort_order', 'Col_A'], na_position='last').drop(columns='b_sort_order')
result = result[['Col_B', 'Col_A', 'Col_A计数', '对应总数值']]

# 输出结果
print(result)

• 先计算每个Col_B的Value总和作为排序依据，保证最终展示时Col_B分类按总数值降序排列
• 分组处理时为每个Col_B单独生成明细行和小计行，小计行的Col_A标记为*小计方便识别
• 明细行里的Col_A计数固定为1（题目说明Col_A和Col_B组合唯一），小计行的Col_A计数就是该Col_B下不同Col_A的总数量
• 如果需要更紧凑的多层索引展示格式，可以额外执行result.set_index(['Col_B', 'Col_A'])调整格式

内容的提问来源于stack exchange，提问作者Jiamei