Сортировать столбец на основе определенного столбца | питон | панды

sort_values принимает список столбцов

Предполагая, что имена ваших столбцов были [0, 1, 2, 3]

df.sort_values([0, 3], ascending=[True, False])

      0       1       2       3
1  c234  0.8760  0.4560  0.8760
0  c234  0.4255  0.2348  0.4255
4  c561  0.8231  0.9750  0.9750
2  c561  0.9527  0.2630  0.9527
3  c561  0.4111  0.1543  0.4111

Сохранить размещение строки

Предположим, что первый столбец не отсортирован. и, вы не хотите его сортировать. Вам просто нужно отсортировать строки в каждой группе.

df.loc[
    df.groupby(0)[3].transform(
        lambda x: x.sort_values(ascending=False).index
    ).astype(df.index.dtype)
]

      0       1       2       3
1  c234  0.8760  0.4560  0.8760
0  c234  0.4255  0.2348  0.4255
4  c561  0.8231  0.9750  0.9750
2  c561  0.9527  0.2630  0.9527
3  c561  0.4111  0.1543  0.4111

Но это не интересно. Предположим, что фрейм данных был вместо этого

      0       1       2       3
0  c561  0.9527  0.2630  0.9527
1  c234  0.4255  0.2348  0.4255
2  c234  0.8760  0.4560  0.8760
3  c561  0.4111  0.1543  0.4111
4  c561  0.8231  0.9750  0.9750

Обратите внимание, что 'c561' находится вверху, а еще больше - внизу. Мы можем отсортировать их и сохранить те же позиции в строках. Давайте снова запустим последнее решение.

      0       1       2       3
4  c561  0.8231  0.9750  0.9750
2  c234  0.8760  0.4560  0.8760
1  c234  0.4255  0.2348  0.4255
0  c561  0.9527  0.2630  0.9527
3  c561  0.4111  0.1543  0.4111

Используйте sort_values с ascending в качестве логического списка для определения направления:

df.sort_values([0,3], ascending=[True, False])

Выход:

      0       1       2       3
1  c234  0.8760  0.4560  0.8760
0  c234  0.4255  0.2348  0.4255
4  c561  0.8231  0.9750  0.9750
2  c561  0.9527  0.2630  0.9527
3  c561  0.4111  0.1543  0.4111