Python 按第一个值对组进行排序，而不更改组顺序

我试图在不改变块内顺序的情况下按块对数据帧进行排序

dataframe包含论坛帖子、时间戳和线程名称。我已经使用

df.sort_值（['thread'，timestamp'，inplace=True）对数据帧进行了排序，以便属于同一线程的所有帖子都按正确的顺序排列。现在，我想根据每个块中第一个post的时间戳对属于同一线程的数据块进行排序。块内的顺序应保持不变

我目前拥有的：

    post   timestamp         thread
0   this   2009/10/30 16:51  hello   
1   be     2009/11/02 17:11  hello
2   some   2008/07/10 15:23  nice
3   text   2007/04/22 14:11  question
4   this   2007/04/24 11:03  question
5   be     2007/05/03 17:55  question
6   some   2004/09/01 09:32  game
7   text   2010/01/01 03:32  wheather

我想要的是：

    post   timestamp         thread
6   some   2004/09/01 09:32  game
3   text   2007/04/22 14:11  question
4   this   2007/04/24 11:03  question
5   be     2007/05/03 17:55  question
2   some   2008/07/10 15:23  nice
0   this   2009/10/30 16:51  hello   
1   be     2009/11/02 17:11  hello
7   text   2010/01/01 03:32  wheather

有办法做到这一点吗

首先，获取每个组的第一个“时间戳”并
argsort
it
接下来，使用
groupby
，利用
groupby
按键对组进行排序，但不更改组内的顺序这一事实
最后，
concat

一种方法是在“线程”上创建一个名为“first_ts”的临时列，其中包含
groupby
，并在每个线程的“timestamp”列上获取
min
（so first date）。现在，您可以按此列对值进行排序，然后删除临时列

# you might need to convert timestamp to datetime 
df.timestamp = pd.to_datetime(df.timestamp)
#create the column
df['first_ts'] = df.groupby('thread').timestamp.transform(min)
#sort and drop
df = df.sort_values(['first_ts']).drop('first_ts',axis=1)

你得到了预期的结果

print(df)
   post           timestamp    thread
6  some 2004-09-01 09:32:00      game
3  text 2007-04-22 14:11:00  question
4  this 2007-04-24 11:03:00  question
5    be 2007-05-03 17:55:00  question
2  some 2008-07-10 15:23:00      nice
0  this 2009-10-30 16:51:00     hello
1    be 2009-11-02 17:11:00     hello
7  text 2010-01-01 03:32:00  wheather

或者，如果不想创建列，也可以使用
reindex
和
groupby
的排序值索引，例如：

df = df.reindex(df.groupby('thread').timestamp.transform(min)
                  .sort_values().index)

让我们首先尝试
groupby
线程，然后获取第一条记录，按时间对这些记录进行排序，然后使用DataFrameGroupBy的
groups
属性获取每个组中索引的当前顺序。最后，使用
pd.concat
和列表理解按第一条记录的排序顺序重建数据帧

g = df.groupby('thread')
s = g.head(1).sort_values('timestamp')['thread']
dg = g.groups

pd.concat([df.reindex(dg[i[1]]) for i in s.iteritems()])

输出：

   post           timestamp    thread
6  some 2004-09-01 09:32:00      game
3  text 2007-04-22 14:11:00  question
4  this 2007-04-24 11:03:00  question
5    be 2007-05-03 17:55:00  question
2  some 2008-07-10 15:23:00      nice
0  this 2009-10-30 16:51:00     hello
1    be 2009-11-02 17:11:00     hello
7  text 2010-01-01 03:32:00  wheather

使用
sort_value
和
drop_duplicates
获得最小值，然后使用
Categorical

cate=df.sort_values('timestamp').drop_duplicates('thread')
df.thread=pd.Categorical(df.thread,ordered=True,categories=cate.thread.tolist())
df=df.sort_values('thread')
df
   post           timestamp    thread
6  some 2004-09-01 09:32:00      game
3  text 2007-04-22 14:11:00  question
4  this 2007-04-24 11:03:00  question
5    be 2007-05-03 17:55:00  question
2  some 2008-07-10 15:23:00      nice
0  this 2009-10-30 16:51:00     hello
1    be 2009-11-02 17:11:00     hello
7  text 2010-01-01 03:32:00  wheather

cate=df.sort_values('timestamp').drop_duplicates('thread')
df.thread=pd.Categorical(df.thread,ordered=True,categories=cate.thread.tolist())
df=df.sort_values('thread')
df
   post           timestamp    thread
6  some 2004-09-01 09:32:00      game
3  text 2007-04-22 14:11:00  question
4  this 2007-04-24 11:03:00  question
5    be 2007-05-03 17:55:00  question
2  some 2008-07-10 15:23:00      nice
0  this 2009-10-30 16:51:00     hello
1    be 2009-11-02 17:11:00     hello
7  text 2010-01-01 03:32:00  wheather