Сортировка значений с помощью объекта multi-index/groupby «по группе» без нарушения уровня индекса

Ну вот.

Давайте сохраним переменную temp в data.

data = ff.groupby(['Age', 'Sex']).agg(**{
    'Count': pd.NamedAgg(column = "Name", aggfunc='count'),
    'Who': pd.NamedAgg(column = "Name", aggfunc=lambda x: ', '.join([i for i in x]))})

Вы можете написать пользовательскую функцию, чтобы делать то, что вы хотите делать в каждой группе, с помощью функции apply.

Например.

data.groupby("Age", group_keys=False).apply(lambda x: x.sort_values("Count", ascending=False))

            Count          Who
Age Sex                       
10  male        3  P3, P5, P10
    female      1           P2
12  male        2       P6, P7
15  female      2       P8, P9
17  male        1           P1
19  female      1           P4

Или измените на ascending order

data.groupby("Age", group_keys=False).apply(lambda x: x.sort_values("Count", ascending=False))

            Count          Who
Age Sex                       
10  female      1           P2
    male        3  P3, P5, P10
12  male        2       P6, P7
15  female      2       P8, P9
17  male        1           P1
19  female      1           P4

Или, если вы хотите отсортировать по каждому уровню мультииндекса. вы можете сделать так.

Вы можете отсортировать индекс, добавив level аргументы в функцию sort_index.

Например:

1. data.sort_index(level=0, ascending=True)

Отсортируйте первый индекс по возрастанию.

            Count          Who
Age Sex                       
19  female      1           P4
17  male        1           P1
15  female      2       P8, P9
12  male        2       P6, P7
10  male        3  P3, P5, P10
    female      1           P2

2. data.sort_index(level=[0,1], ascending=[False, True])

Отсортируйте первый индекс в порядке возрастания, а второй индекс в порядке убывания.

            Count          Who
Age Sex                       
19  female      1           P4
17  male        1           P1
15  female      2       P8, P9
12  male        2       P6, P7
10  female      1           P2
    male        3  P3, P5, P10

Кстати.

breaking index level не является особым результатом. Это просто оптимизация отображения

Например.

Вы можете создать его самостоятельно, например:

pd.DataFrame({"a":[1,2,3,4,5]}, index=pd.MultiIndex.from_arrays([[10,10,20,10,10],['F','M','F','M','F']],names=['A','B']))

      a
A  B   
10 F  1
   M  2
20 F  3
10 M  4
   F  5

Вы можете изменить форму на DataFrame.unstack и отсортировать индекс по сумме обоих значений Sex, если они существуют, а затем изменить форму на DataFrame.stack:

df1 = df.unstack()
df1 = df1.sort_index(key=df1.sum(axis=1, numeric_only=True).get).stack().astype(df.dtypes)
print (df1)
            Count          Who
Age Sex                       
17  male        1           P1
19  female      1           P4
12  male        2       P6, P7
15  female      2       P8, P9
10  female      1           P2
    male        3  P3, P5, P10

Другая идея — сортировка по сумме обоих значений с помощью GroupBy.transform:

df['tmp'] = df.groupby('Age')['Count'].transform('sum')

df1 = df.sort_values(['tmp','Age']).drop('tmp', axis=1)
print (df1)
             Count          Who
Age Sex                       
17  male        1           P1
19  female      1           P4
12  male        2       P6, P7
15  female      2       P8, P9
10  female      1           P2
    male        3  P3, P5, P10
    

Обновлено: однострочное решение:

df = (
    ff
    .groupby(['Age', 'Sex'])
    .agg(**{
        'Count': pd.NamedAgg(column = "Name", aggfunc='count'),
        'Who': pd.NamedAgg(column = "Name", aggfunc=', '.join)})
    
    .assign(tmp = lambda x: x.groupby('Age')['Count'].transform('sum'))
    .sort_values(['tmp','Age'])
    .drop('tmp', axis=1))
print (df)
            Count          Who
Age Sex                       
17  male        1           P1
19  female      1           P4
12  male        2       P6, P7
15  female      2       P8, P9
10  female      1           P2
    male        3  P3, P5, P10