Python3.4 Pandas：按DataFrame列值重排行——奇数ID优先

这问题我碰到过，其实处理起来很简单，核心是先搞清楚ID现在的状态——因为你用groupby('ID')的时候默认as_index=True，所以ID已经变成DataFrame的索引了，不是普通列了。接下来分两种高效的实现方式，看你习惯哪种：

方法一：直接基于索引排序（最优，无需修改索引结构） #

利用布尔值排序时True（对应数值1）会排在False（对应数值0）前面的特性，直接对索引做奇偶判断后排序：

df1 = df1.sort_values(by=df1.index % 2, ascending=False)

原理很直白：奇数ID对2取余结果是1，偶数是0，ascending=False会让1对应的行排在最前面，完美满足你的需求，而且全程不用改动索引结构，效率最高，适合大数据量场景。

方法二：先把索引转回列再排序（更直观，适合新手） #

如果你觉得直接操作索引有点绕，可以先把ID从索引转回普通列，排序后再按需恢复索引：

# 将ID从索引转回普通列
df1 = df1.reset_index()
# 按ID奇偶性排序，奇数行优先
df1 = df1.sort_values(by=lambda row: row['ID'] % 2, ascending=False)
# 可选：如果需要再把ID设回索引，执行下面这行
df1 = df1.set_index('ID')

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