Python中pandas如何按一列分组后按另一列对数据排序？

首先导入pandas并构造示例数据：

import pandas as pd

df_dict = {'Features':['A','A','A','C','C','C','C','B','B','B'],
           'Date':['1/3/2023','1/3/2022','1/3/2021','1/3/2024','5/8/2020','5/8/2021','5/8/2022','6/1/2020','6/1/2019','5/8/2023'],
           'Value':[7,8,2,6,8,9,8,9,0,10]}
df = pd.DataFrame(df_dict)

方法1：groupby+组内排序（适配复杂分组逻辑） #

适合需要对不同分组做差异化排序规则的场景，代码如下：

# 按Features分组后，每个组内按Value升序排序
sorted_df = df.groupby('Features', sort=False, group_keys=False)\
              .apply(lambda x: x.sort_values('Value', ascending=True))\
              .reset_index(drop=True)

参数说明：

• sort=False：groupby默认会对分组键Features按字母顺序排序，加该参数会保留原始数据中Features的出现顺序（A→C→B），不需要可删除
• ascending=True：控制组内排序方向，升序填True、降序填False
• reset_index(drop=True)：重置行索引为连续数字

方法2：多列整体排序（性能更高） #

如果不需要特殊分组处理，直接对两个字段排序即可达到和分组后组内排序完全一致的效果，性能比apply方法更高：

# 先按Features分组排序，同分组内再按Value升序排序
sorted_df = df.sort_values(by=['Features', 'Value'], ascending=[True, True]).reset_index(drop=True)

排序后输出示例（Value升序）：

序号	Features	Date	Value
0	A	1/3/2021	2
1	A	1/3/2023	7
2	A	1/3/2022	8
3	C	1/3/2024	6
4	C	5/8/2020	8
5	C	5/8/2022	8
6	C	5/8/2021	9
7	B	6/1/2019	0
8	B	6/1/2020	9
9	B	5/8/2023	10

内容的提问来源于stack exchange，提问作者user86907