Python Pandas按列值频率排序DataFrame排查层级父子关系错误

实现方法 #

核心思路是给去重后的每条关系链追加对应E值的重复次数，再按次数倒排、E值正排，就能把问题最严重的记录优先展示，相同E的所有关系链也会聚合在一起方便比对。
你可以直接用下面的代码实现：

# 方法1：如果你已经生成了dfgroups统计结果，直接映射计数
# 给去重后的关系链追加对应E的出现次数
dfdrop['count'] = dfdrop['E'].map(dfgroups.set_index('E')['count'])
# 按count降序、E值升序排序，问题最多的E排在最前，相同E的记录聚合在一起
sorted_df = dfdrop.sort_values(by=['count', 'E'], ascending=[False, True])
# 不需要保留count列可以直接删除
sorted_df = sorted_df.drop(columns=['count'])
# 输出结果
print(sorted_df)

如果不想提前生成dfgroups，也可以一步完成所有操作，不会修改原始的dfdrop：

# 方法2：一步完成计数、排序，不修改原始去重表
sorted_df = (
    dfdrop
    .assign(count=lambda x: x.groupby('E')['E'].transform('count'))
    .sort_values(by=['count', 'E'], ascending=[False, True])
    .drop(columns=['count'])
)
print(sorted_df)

执行后输出的结果就符合你的预期：count为4的E值对应的所有关系链排在最前面，接下来是count为3、count为2的错误记录，最后是无问题的count为1的记录，相同E的所有关系链会连续展示，你可以直接对比同一E对应的A/B/C/D列的差异，快速定位录入错误。

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