根据Python中的特定组/id将dataframe按升序或降序排列

Question

我有这样的 dataframe：

#Load the required libraries
import pandas as pd


#Create dataset
data = {'id': ['A', 'A', 'A', 'A', 'A','A', 'A', 'A', 'A', 'A', 'A',
               'B', 'B', 'B', 'B', 'B', 'B',
               'C', 'C', 'C', 'C', 'C', 'C',
               'D', 'D', 'D', 'D',
               'E', 'E', 'E', 'E', 'E','E', 'E', 'E','E'],
        'cycle': [1,2, 3, 4, 5,6,7,8,9,10,11,
                   1,2, 3,4,5,6,
                   1,2, 3, 4, 5,6,
                  1,2, 3, 4,
                  1,2, 3, 4, 5,6,7,8,9,],
        'Salary': [7, 7, 7,8,9,10,11,12,13,14,15,
                   4, 4, 4,4,5,6,
                   8,9,10,11,12,13,
                   8,9,10,11,
                   7, 7,9,10,11,12,13,14,15,],
        'Children': ['No', 'Yes', 'Yes', 'Yes', 'Yes', 'No','No', 'Yes', 'Yes', 'Yes', 'No',
                     'Yes', 'Yes', 'No', 'Yes', 'Yes', 'Yes', 
                     'No','Yes', 'Yes', 'No','No', 'Yes',
                     'Yes', 'No','Yes', 'Yes',
                      'No',  'Yes', 'No', 'No', 'Yes', 'Yes', 'Yes', 'Yes', 'No',],
        'Days': [123, 128, 66, 66, 120, 141, 52,96, 120, 141, 52,
                 96, 120,120, 141, 52,96,
                 15,123, 128, 66, 120, 141,
                 141,123, 128, 66,
                 123, 128, 66, 123, 128, 66, 120, 141, 52,],
        }

#Convert to dataframe
df = pd.DataFrame(data)
print("df = \n", df)

上面的 dataframe 看起来是这样的：

这里，

id 'A' 为 11 周期

id 'B' 为 6 周期

id 'C' 为 6 周期

id 'D' 为 4 周期

id 'E' 为 9 周期

我需要根据以下两种情况对 dataframe 进行重组：

案例一：循环的递增顺序

datafrmae需要按照循环递增的顺序排列。

即D(4个循环)先到，然后是B(6个循环)、C(6个循环)、E(9个循环)、A(11个循环)

dataframe 需要看起来像这样：

案例二：循环降序

datafrmae需要按循环降序排列。

即A(11循环)先来，然后是E(9循环)、B(6循环)、C(6循环)、D(4循环)

dataframe 需要看起来像这样：

在这两种情况下，id 'B' 和 'C' 都有 6 个循环。 因此，“B”和“C”中哪个排在第一位并不重要。

此外，索引号在原始和重新分组的案例中没有变化。

有人可以让我知道如何在 Python 中完成这项任务吗？

Answer 1

使用groupby.transform('size')作为排序值：

使用临时列：

(df.assign(size=df.groupby('id')['cycle'].transform('size'))
   .sort_values(by=['size', 'id'], kind='stable',
               # ascending=False # uncomment for descending order
               )
   .drop(columns='size')
)

或者，作为key传递给sort_values ：

df.sort_values(by='id', key=lambda x: df.groupby(x)['cycle'].transform('size'),
               kind='stable')

Output：

   id  cycle  Salary Children  Days
23  D      1       8      Yes   141
24  D      2       9       No   123
25  D      3      10      Yes   128
26  D      4      11      Yes    66
11  B      1       4      Yes    96
12  B      2       4      Yes   120
13  B      3       4       No   120
14  B      4       4      Yes   141
15  B      5       5      Yes    52
16  B      6       6      Yes    96
17  C      1       8       No    15
18  C      2       9      Yes   123
19  C      3      10      Yes   128
20  C      4      11       No    66
21  C      5      12       No   120
22  C      6      13      Yes   141
27  E      1       7       No   123
28  E      2       7      Yes   128
29  E      3       9       No    66
30  E      4      10       No   123
31  E      5      11      Yes   128
32  E      6      12      Yes    66
33  E      7      13      Yes   120
34  E      8      14      Yes   141
35  E      9      15       No    52
0   A      1       7       No   123
1   A      2       7      Yes   128
2   A      3       7      Yes    66
3   A      4       8      Yes    66
4   A      5       9      Yes   120
5   A      6      10       No   141
6   A      7      11       No    52
7   A      8      12      Yes    96
8   A      9      13      Yes   120
9   A     10      14      Yes   141
10  A     11      15       No    52

Answer 2

col1=df.groupby("id").cycle.transform("max")
case1=df.assign(col1=col1).sort_values(['col1','id'])
case1

case2=df.assign(col1=col1).sort_values(['col1','id'],ascending=False)
case2