Python 根据groupby的结果对列进行排序

我有一个这样的数据集

df = pd.DataFrame({'time':['13:30', '9:20', '18:12', '19:00', '11:20', '13:30', '15:20', '17:12', '16:00', '8:20'],
               'item': ["coffee", "bread", "pizza", "rice", "soup", "coffee", "bread", "pizza", "rice", "soup"]})

这是我想要的输出

这是我的密码

#split the hour part from the time string
df['hour'] = df.Time.apply(lambda x: int(x.split(':')[0]))

def time_period(hour):
    if hour >= 6 and hour < 11:
        return 'breakfast'
    elif hour >= 11 and hour < 15:
        return 'lunch'
    else:
        return 'dinner'
df['meal'] = df['hour'].apply(lambda x: time_period(x))

a = df.groupby(['meal','Item']).size()
l = []
for i in np.sort(a.index.get_level_values(level=0).unique().tolist()):
    l.append(a.loc[i].reset_index().rename(columns = {0:'count'}))
b = pd.concat(l,axis=1)
c = [i for i in a.index.get_level_values(level=0).unique().tolist()*2]
c = np.sort(c)
b.columns = [c,b.columns]
display(b.head(10))

#从时间字符串中拆分小时部分
df['hour']=df.Time.apply（lambda x:int（x.split（'：'）[0]））
def时间段（小时）：
如果小时>=6且小时<11：
返回“早餐”
elif小时>=11和小时<15：
返回“午餐”
其他：
返回“晚餐”
df['mean']=df['hour'].应用（λx：时间段（x））
a=df.groupby（['mean'，'Item']）.size（）
l=[]
对于np.sort（a.index.get_level_值（level=0.unique（）.tolist（））中的i：
l、 追加（a.loc[i].reset_index（）.rename（列={0:'count'}））
b=pd.concat（l，轴=1）
c=[i代表a.index.get_level_值（level=0.unique（）.tolist（）*2]
c=np.sort（c）
b、 列=[c，b.列]
显示器（b.头部（10））

我只想根据早餐数量对表格进行排序，但我不知道如何进行排序。

您可以使用并指定要排序的列：

将熊猫作为pd导入
将numpy作为np导入
df=pd.DataFrame（数据帧=
{'time'：['13:30'，'9:20'，'18:12'，'19:00'，'11:20'，'13:30'，'15:20'，'17:12'，'16:00'，'8:20']，
“物品”：[“咖啡”、“面包”、“比萨饼”、“米饭”、“汤”、“咖啡”、“面包”、“比萨饼”、“米饭”、“汤”]
})
#从时间字符串中拆分小时部分
df['hour']=df.time.apply（lambda x:int（x.split（'：'）[0]））
def时间段（小时）：
如果小时>=6且小时<11：
返回“早餐”
elif小时>=11和小时<15：
返回“午餐”
其他：
返回“晚餐”
df['mean']=df['hour'].应用（λx：时间段（x））
df['fine'，item'].pivot_表（columns='fine'，index='item'，aggfunc=np.size）。排序_值（“早餐”，升序=True）
午餐早餐晚餐午餐
项目
面包2.0 2.0 NaN
汤2.0南2.0
咖啡楠楠4.0
披萨NaN 4.0 NaN
米楠4.0楠

实现所需功能的更好代码是：

df = pd.DataFrame({'time':['13:30', '9:20', '18:12', '19:00', '11:20', '13:30', 
                  '15:20', '17:12', '16:00', '8:20'],
                   'item': ["coffee", "bread", "pizza", "rice", "soup", "coffee", "bread", "pizza", "rice", "soup"]})

df['hour'] = df.time.apply(lambda x: int(x.split(':')[0]))
df['meal'] = np.where((df.hour >= 6) & (df.hour < 11), 'breakfast',
                 np.where((df.hour>=11) & (df.hour < 15), 'lunch', 'dinner')) 

df = df.groupby(['meal', 
     'item']).size().rename('count').to_frame().reset_index().pivot(columns=['meal'])
df.columns = df.columns.swaplevel(0,1)
df.sort_index(axis=1, level=0, inplace=True)
df.sort_values(by=('breakfast', 'count'), inplace=True)
df

           breakfast        dinner        lunch   
           count   item  count   item count    item
0          1.0  bread    NaN    NaN   NaN     NaN
1          1.0   soup    NaN    NaN   NaN     NaN
2          NaN    NaN    1.0  bread   NaN     NaN
3          NaN    NaN    2.0  pizza   NaN     NaN
4          NaN    NaN    2.0   rice   NaN     NaN
5          NaN    NaN    NaN    NaN   2.0  coffee
6          NaN    NaN    NaN    NaN   1.0    soup

df=pd.DataFrame（{'time'：['13:30'，'9:20'，'18:12'，'19:00'，'11:20'，'13:30'，'，
'15:20', '17:12', '16:00', '8:20'],
‘物品’：[“咖啡”、“面包”、“比萨饼”、“米饭”、“汤”、“咖啡”、“面包”、“比萨饼”、“米饭”、“汤”]]
df['hour']=df.time.apply（lambda x:int（x.split（'：'）[0]））
df[“膳食”]=np.其中（（df.hour>=6）和（df.hour<11），“早餐”，
np.where（（df.hour>=11）和（df.hour<15），“午餐”、“晚餐”）
df=df.groupby（['mean'，
'item'].size（）.rename（'count'）.to_frame（）.reset_index（）.pivot（columns=['mean']）
df.columns=df.columns.swaplevel（0,1）
排序索引（轴=1，级别=0，在位=True）
df.sort_值（by=（'breaken'，'count'），inplace=True）
df
早餐晚餐午餐
计数项目计数项目计数项目计数项目
0 1.0面包楠楠楠
1 1.0汤楠楠楠
2楠楠1.0面包楠楠楠楠
3楠楠2.0比萨饼楠楠楠楠
4楠楠2.0米楠楠楠楠
5南2.0咖啡
6南1.0汤