如何用Pandas实现按水果总数量降序后组内按Rate降序排序？

首先得处理原始数据里水果名称的大小写问题（比如Banana和banana会被Pandas视为不同分组），再按照你的需求完成排序，下面是完整的实现方案：

步骤1：构造原始数据并标准化水果名称 #

import pandas as pd

# 还原你的原始DataFrame
data = {
    '水果（Fruit）': ['Apple', 'Apple', 'Apple', 'Mango', 'Mango', 'Banana', 'banana'],
    'Rate': [2, 3, 5, 4, 6, 2, 1],
    '数量（Quantity）': [4, 3, 9, 5, 12, 2, 2]
}
df = pd.DataFrame(data)

# 统一水果名称的大小写，确保Banana和banana被归为同一组
df['水果（Fruit）'] = df['水果（Fruit）'].str.capitalize()

步骤2：添加分组总数量辅助列 #

我们用groupby + transform实现SQL中子查询关联的效果——把每个水果的总数量映射到该组的每一行：

# 计算每个水果的总数量，并添加为新列
df['总数量'] = df.groupby('水果（Fruit）')['数量（Quantity）'].transform('sum')

步骤3：按需求排序并清理结果 #

按照总数量降序、组内Rate降序排序，最后可以删除辅助列：

# 执行排序：总数量降序，Rate降序
sorted_df = df.sort_values(by=['总数量', 'Rate'], ascending=[False, False])

# 移除辅助列（如果不需要保留的话）
sorted_df = sorted_df.drop(columns='总数量')

# 查看最终结果
print(sorted_df)

执行后输出的结果和你期望的完全一致：

水果（Fruit）  Rate  数量（Quantity）
4      Mango     6              12
3      Mango     4               5
2       Apple     5               9
1       Apple     3               3
0       Apple     2               4
5      Banana     2               2
6      Banana     1               2

思路对比（和你的SQL实现对应） #

• SQL里通过子查询计算每个水果的总数量再关联回原表；Pandas里用transform直接在原表生成总数量列，逻辑更简洁
• sort_values的参数by=['总数量', 'Rate']对应SQL里的order by temp.sm desc, fr_table.rate desc，ascending=[False, False]指定两个排序键都为降序

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