如何在整體組級別上，然后在組內對多大熊貓數據框進行排序？

Question

假設我有以下數據框：

import pandas as pd

tuples = [('A', 'AA'), ('A', 'AB'), ('B', 'BA'), ('B', 'BB'), 
          ('C', 'CA'), ('C', 'CB')]
index = pd.MultiIndex.from_tuples(tuples, 
                                  names=['first_level', 'second_level'])

input_df = pd.DataFrame([100, 500, 200, 50, 3000, 10000], 
                         columns=['amount'], index=index)
input_df

                            amount
first_level  second_level   
A                AA            100
                 AB            500
B                BA            200
                 BB             50
C                CA           3000
                 CB          10000

我想要做的是基於兩個條件進行排序：（1）跨first_level總體的總量，然后（2）按每個second_level內的second_level 。

換句話說，我想要這樣的東西：

tuples = [('C', 'CB'), ('C', 'CA'), ('A', 'AB'), 
          ('A', 'AA'), ('B', 'BA'), ('B', 'BB'), ]
index = pd.MultiIndex.from_tuples(tuples, 
                                  names=['first_level', 'second_level'])

output_df = pd.DataFrame([10000, 3000, 500, 100, 200, 50], 
                         columns=['amount'], index=index)
output_df


                                amount
first_level     second_level    
C                  CB            10000
                   CA             3000
A                  AB              500
                   AA              100
B                  BA              200
                   BB               50

如您所見，C組的金額最大（13000），其次是A組（600），然后是B組（250）。 在每個組中，second_level是基於數量進行組織的。

我已經想出一種方法，但是由於需要聚合，聯接和使用索引，它感覺太復雜了：

overall_group_amounts = input_df.groupby(['first_level']) \
    .sum() \
    .rename(columns={'amount': 'overall_amounts'})

pd.merge(overall_group_amounts, input_df.reset_index('second_level'), on='first_level') \
    .sort_values(['overall_amounts', 'amount', 'first_level'], ascending=[False, False, True]) \
    .drop('overall_amounts', axis='columns') \
    .set_index('second_level', append=True)

我的問題是：是否有解決此問題的更好方法？

Answer 1

您可以通過對每個組進行求和來創建臨時排序鍵，然后同時按鍵和數量進行排序：

(
    df.assign(sk=df.groupby(level=0).amount.transform(sum))
    .sort_values(by=['sk','amount'], ascending=False)
    .drop('sk', 1)
)

                                amount
first_level     second_level    
C                  CB            10000
                   CA             3000
A                  AB              500
                   AA              100
B                  BA              200
                   BB               50