Pandas如何按eventid分组内最早时间对分组排序

通过分组转换生成每个eventid对应的最小时间辅助列，再基于辅助列排序即可实现需求，整体为Pandas原生向量操作，性能适配大数据量场景。

实现代码 #

import pandas as pd

# 1. 先将time列转为时间类型，避免字符串排序异常
df['time'] = pd.to_datetime(df['time'], format='%H:%M')

# 2. 生成每个eventid对应最小时间的辅助列
df['group_min_time'] = df.groupby('eventid')['time'].transform('min')

# 3. 按分组最小时间排序，相同最小时间可按eventid稳定排序，最后删除辅助列
df_sorted = df.sort_values(by=['group_min_time', 'eventid'], ignore_index=True).drop(columns='group_min_time')

# 若需要将time转回原字符串格式，可执行以下代码
df_sorted['time'] = df_sorted['time'].dt.strftime('%H:%M').str.lstrip('0')

方案说明 #

• 时间复杂度为O(n log n)，仅比普通单字段排序多一步O(n)的分组转换操作，性能远高于自定义遍历或多次查询重写方案
• 分组内行顺序完全保留原始数据中的顺序，符合分组内顺序无要求的需求
• 若原始数据中time列已经是datetime/time类型，可跳过第一步的类型转换操作

内容的提问来源于stack exchange，提问作者qyx1996