Python中GroupBy后对DataFrame实现双重排序的技术问询

嘿，这个需求其实用pandas的sort_values()就能一步搞定，完全不需要额外的GroupBy操作（当然你已经做了GroupBy也不影响，直接用这个方法就行）。先给你看代码，再拆解细节：

import pandas as pd

# 你的原始DataFrame
df = pd.DataFrame({'a': ['A', 'A','A', 'B', 'B','B'], 'b': ['A1', 'A2','A3' ,'B1', 'B2','B3'], 'c': ['2','3','4','5','6','1'] })

# 关键第一步：把列c从字符串转成数值类型，不然字符串排序会出问题（比如'10'会排在'2'前面）
df['c'] = df['c'].astype(int)

# 关键第二步：双重排序，先按a列降序，再按c列降序
sorted_df = df.sort_values(by=['a', 'c'], ascending=[False, False])

# 打印结果
print(sorted_df)

运行后输出完全匹配你的期望：

a   b  c
4  B  B2  6
3  B  B1  5
5  B  B3  1
2  A  A3  4
1  A  A2  3
0  A  A1  2

细节拆解： #

• 类型转换：原数据里的c列是字符串格式，直接排序会按字符编码逻辑来（比如'9'会比'10'大），转成int或float才能实现数值大小的正确排序。
• sort_values()参数逻辑：
  • by=['a', 'c']：指定排序优先级，先按a列排序，再对每个a分组内的c列排序；
  • ascending=[False, False]：对应每一列的排序方向，第一个False让a列降序（B在前），第二个False让每个分组内的c列降序。

如果你非要结合GroupBy实现（比如有其他分组操作需求），也可以这么写，不过效率不如上面的方法：

df['c'] = df['c'].astype(int)
sorted_df = df.groupby('a', group_keys=False).apply(lambda x: x.sort_values('c', ascending=False)).sort_index(level=0, ascending=False)

这个方法是先对每个a分组内按c降序，再把整个结果按a的分组键降序排列，最终效果一致，但多了分组步骤，所以更推荐第一种直接排序的方式。

内容的提问来源于stack exchange，提问作者SBad