Python 2.7 python中groupby之后的双重排名

我做了一个groupby，它生成了一个类似于下面示例的数据帧

df = pd.DataFrame({'a': ['A', 'A','A', 'B', 'B','B'], 'b': ['A1', 'A2','A3' ,'B1', 'B2','B3'], 'c': ['2','3','4','5','6','1'] })

>>> df
   a   b  c
0  A  A1  2
1  A  A2  3
2  A  A3  4
3  B  B1  5
4  B  B2  6
5  B  B3  1

期望输出

>>> df
       a   b  c
    4  B  B2  6
    3  B  B1  5
    5  B  B3  1       
    2  A  A3  4
    1  A  A2  3
    0  A  A1  2 

正如你所看到的，这是一个基于a列然后是b列的双重排名。我们首先从最高点B开始，在B内，我们也从最高点B2开始

我如何在python中做到这一点请使用

In [1072]: df.sort_values(by=['a', 'c'], ascending=[False, False])
Out[1072]:
   a   b  c
4  B  B2  6
3  B  B1  5
5  B  B3  1
2  A  A3  4
1  A  A2  3
0  A  A1  2

---

您可以首先在每个组中找到最大值，然后根据此局部最大值和列

c

对DF进行降序排序：

In [49]: (df.assign(x=df.groupby('a')['c'].transform('max'))
            .sort_values(['x','c'], ascending=[0,0])
            .drop('x',1))
Out[49]:
   a   b  c
4  B  B2  6
3  B  B1  5
5  B  B3  1
2  A  A3  4
1  A  A2  3
0  A  A1  2

---

我认为需要首先通过聚合获得

max

值，然后通过排序

max

索引创建排序，最后根据需要进行操作：

c = df.groupby('a')['c'].max().sort_values(ascending=False)
print (c)
a
B    6
A    4
Name: c, dtype: object

df['a'] = pd.Categorical(df['a'], categories=c.index, ordered=True)
df = df.sort_values(by=['a', 'c'], ascending=[True, False])
print (df)
   a   b  c
4  B  B2  6
3  B  B1  5
5  B  B3  1
2  A  A3  4
1  A  A2  3
0  A  A1  2

---

如果

2A A3 4

更改为

2A A3 7

，会发生什么情况？谢谢您的帮助。“sort_values”对我不起作用，所以我用df.sort（['a'，'b']，升序=[False，False]）对它进行了更改。谢谢你，MaxU。与前面的答案有什么不同？你只是在重置索引吗？或者做更多的事情？顺便说一下，“sort_值”不适用于更新答案的甲烷储罐。即使是“分配”对我也不起作用。我的公司有一个旧的python版本（我不允许升级）你的pandas版本是什么？>>>pd.\uuuuu版本\uuuuuu'0.14.1'@SBad，不需要接触系统Python-这就是我在公司中使用它的方式-我有几个VirtualEnv，它们具有不同的模块和/或不同的模块版本，因此它们完全独立于系统Python（在旧RedHat机器上通常是Python 2.4），并且彼此独立。。。