pandas分组排序的结果生成Dataframe

可以使用`groupby`和`apply`方法来进行分组排序，并将结果生成一个新的DataFrame。例如，假设有一个DataFrame `df`，其中有两列`group`和`value`，我们要按照`group`列进行分组排序，可以使用以下代码：

import pandas as pd

# 创建示例DataFrame
data = {'group': ['A', 'A', 'B', 'B', 'B', 'C'], 'value': [1, 3, 2, 4, 6, 5]}
df = pd.DataFrame(data)

# 按照group列进行分组排序
new_df = df.groupby('group').apply(lambda x: x.sort_values('value'))

# 重置索引
new_df = new_df.reset_index(drop=True)

# 输出结果
print(new_df)

输出结果为：

  group  value
0     A      1
1     A      3
2     B      2
3     B      4
4     B      6
5     C      5

这样就可以按照分组排序的结果生成一个新的DataFrame了。

相关问题

pandas 实现分组排序并分配行号

在Pandas中，如果你想对DataFrame进行分组并且按照某个列进行排序，同时给每个排序后的组分配唯一的行号，可以使用`groupby()`和`rank()`、`cumcount()`等函数结合。

例如，假设你有这样一个DataFrame，你想按照'col_to_sort'列排序，然后在每个'group_column'的分组内给行分配行号：

df['row_num'] = df.groupby('group_column')['col_to_sort'].rank(method='dense', ascending=True).astype(int)

这里，`groupby('group_column')`首先会对每个group_column的值进行分组，`rank()`函数会为每个分组内的'col_to_sort'列应用升序排名（如果想要降序排列，设置`ascending=False`），`method='dense'`使得排名连续，没有空位（如果想要有间隙，可以使用'first'）。

如果你想基于整个DataFrame排序，可以略过`groupby`部分：

df['row_num_global'] = df['col_to_sort'].rank(method='dense', ascending=True).astype(int)

以上操作会生成一个新的列`row_num`或`row_num_global`，其中包含了对应的行号。

pandas dataframe 分组操作gropu by时如何按照原表格的顺序group by

可以使用pandas中的"pd.Categorical"将列转化为有序分类，然后按照这个分类进行group by操作。具体实现步骤可以参考以下代码：

import pandas as pd

# 生成一个DataFrame样例
df = pd.DataFrame({'A':[1,1,2,2], 'B':[3,2,4,1], 'C':[5,4,3,2]})

# 将列B转换为有序分类
df['B'] = pd.Categorical(df['B'], categories=df['B'].unique(), ordered=True)

# 按照列B的分类先后顺序进行group by操作
result = df.groupby('B').sum()

以上代码将按照`df['B']`的原始顺序进行group by操作，并且将分组结果按照原始顺序排序。