如何在Pandas中按时间排序DataFrame同时维持配对事件的顺序？

看起来你遇到的核心问题是：既要按时间整体排序，又得保证每个Code对应的事件对（比如Enter-Out、In-Out/Exit）能绑定在一起，对吧？直接用sort_values的常规字段组合确实搞不定——毕竟同一个Code的事件可能在不同时间点触发，得给每个事件对做个专属“标记”，再基于标记来排序。

我给你提供一个高效的向量化解法，不用写循环，步骤如下：

步骤1：给每个事件对生成组ID #

每个Enter或In都是一个事件的起点，后面跟着对应的Out或Exit。我们可以用cumsum给每个起点事件分配递增的组号，让同一对事件共享同一个组ID：

# 按ID和Code分组，给每个Enter/In开启的事件对分配组ID
df['group_id'] = df.groupby(['ID', 'Code'])['Type'].transform(
    lambda x: (x.isin(['Enter', 'In'])).cumsum()
)

步骤2：计算每个组的最早时间 #

为了保证整体按事件发生的先后排序，我们需要取每个组的最早时间作为排序依据（比如Code=588的In在11:00，Out在12:30，这个组的最早时间是11:00，会排在12:30开始的Code=322组前面）：

# 计算每个组的最早时间，用于整体排序
df['group_time'] = df.groupby(['ID', 'Code', 'group_id'])['Time'].transform('min')

步骤3：定义事件类型的排序优先级 #

我们要确保组内的事件顺序正确：Enter/In在前，Out/Exit在后，所以给每种类型分配一个排序权重：

# 定义Type的排序优先级，确保开始事件在前，结束事件在后
type_order = {'Enter': 0, 'In': 1, 'Out': 2, 'Exit': 3}
df['type_rank'] = df['Type'].map(type_order)

步骤4：执行排序并清理临时列 #

最后按ID→group_time（整体时间顺序）→group_id（同一组绑定）→type_rank（组内事件顺序）排序，再删掉临时生成的列：

# 执行排序
sorted_df = df.sort_values(
    by=['ID', 'group_time', 'group_id', 'type_rank']
).drop(['group_id', 'group_time', 'type_rank'], axis=1)

运行这段代码后，你就能得到和示例中完全一致的排序结果了。而且这个方法对你原始数据中的带日期时间戳也完全适用——只要Time列是datetime类型，min计算和排序逻辑都会正常工作。

如果遇到一个Code有多个连续的In-Out事件，这个方法也能自动处理：每个In都会开启一个新的group_id，对应的Out会被分到同一个组里，不会出现混乱。

备注：内容来源于stack exchange，提问作者user29987781