Python 熊猫——以不同的顺序排列在一起

我有一个数据集，我想按组变量排序。对于A组，我想按升序排列；对于B组，我想按降序排列。我只知道如何按一个顺序对组进行排序，如下面的代码。是否有一种方法可以在组内按不同顺序对组进行排序

以下是示例数据：

Group   Student Score
A      Jamie    1
A       Jack    2
A      James    3
B      Jamie    1
B       Jack    2
B      James    3

这是理想的结果

 Group  Student Score   rank
   A    Jamie   1   1
   A    Jack    2   2
   A    James   3   3
   B    Jamie   1   3
   B    Jack    2   2
   B    James   3   1

这就是我所尝试的：

df['rank'] = df.groupby('Group')['Score'].rank(ascending=True)

---

我能想到的最简单的方法是定义一个自定义列表，定义每个组的顺序，并使用列表理解迭代

rank\u升序

，应用相同的逻辑：

rank_ascending = [True, False]
df['rank'] = pd.concat([g.Score.rank(ascending=asc) for asc, (_,g) in 
                        zip(rank_ascending, df.groupby('Group'))], 0)

---

---

更新-要获得更易于阅读的版本：

order = [True, False]
ranked_groups = []
for asc, (_,g) in zip(order, df.groupby('Group')):
    ranked_groups.append(g.Score.rank(ascending=asc))

df['rank'] = pd.concat(ranked_groups, axis=0)

---

谢谢你的回复。你能把代码再解包一点吗？此外，我还收到一个错误“没有要连接的对象”。当然，如果更新在@warrior运行，请告诉我。您必须确保在

组

列中有与组一样多的

顺序

值

order = [True, False]
ranked_groups = []
for asc, (_,g) in zip(order, df.groupby('Group')):
    ranked_groups.append(g.Score.rank(ascending=asc))

df['rank'] = pd.concat(ranked_groups, axis=0)