Pandas分组内排序：基于分组索引对数组组内排序（分组顺序不变）

如果你需要根据分组索引数组定义的边界，对目标数组做组内排序，同时要求分组本身无需预先排序，且排序后严格保留分组的原有出现顺序，这里有一个高效的NumPy实现方案：

import numpy as np

def groupwise_sort(group_idx, a, reverse=False):
    # 先按分组索引归拢同组元素，再对组内元素按目标数组升/降序排序
    sortidx = np.lexsort((-a if reverse else a, group_idx))
    # 通过双重稳定排序，恢复原分组的出现顺序，同时保留组内排序结果
    revidx = np.argsort(np.argsort(group_idx, kind='mergesort'), kind='mergesort')
    return a[sortidx][revidx]

代码逻辑拆解： #

• np.lexsort 步骤：这个函数会按传入元组的从后往前顺序排序——先把group_idx相同的元素归为一组，再对每个组内的元素按a（或逆序的-a）排序。这一步能保证组内有序，但整个数组的分组顺序是按group_idx的数值大小排列的，不是原数组中分组的出现顺序。
• 双重argsort 步骤：这里特意用了稳定排序（kind='mergesort'）来避免打乱同组内的排序结果。第一次argsort(group_idx)得到的是把group_idx按数值排序后的索引，第二次对这个结果做argsort，相当于生成一个「逆映射」，能把按数值排序后的分组重新还原为原数组中分组的出现顺序，同时完美保留组内的排序结果。
• 最终返回：通过两次索引映射，我们就得到了组内有序、分组顺序和原数组完全一致的目标数组。

示例用法： #

# 测试用例
group_idx = np.array([2, 0, 2, 1, 0])
a = np.array([5, 3, 1, 4, 2])

# 组内升序排序，保留原分组顺序
result_asc = groupwise_sort(group_idx, a)
print(result_asc)  # 输出: [1 2 5 4 3]

# 组内降序排序
result_desc = groupwise_sort(group_idx, a, reverse=True)
print(result_desc)  # 输出: [5 3 1 4 2]

内容的提问来源于stack exchange，提问作者Michael