Python 熊猫如何处理聚合函数和与差

我正在使用python和pandas，我有一个数据集，看起来像：

                            District             Race/Ethnicity      Value 
3   Achievement First Academy District  Black or African American    30.0   
4   Achievement First Academy District  White                         0.0  
10  Amistad Academy District            Black or African American    40.5      
11  Amistad Academy District            White                        23.1  

因此，如果我想按每个地区的总和进行分组和排序。我只需要做以下几件事：

df= df.groupby('District')
df = abs(df.sum()).sort_values('Value', ascending=False)

df= df.groupby('District')
df = abs(df.diff()).sort_values('Value', ascending=False)

我从中得到了我想要的东西：

District                                    Value                                                 
Achievement First Academy District           30.0
Amistad Academy District                     63.6

但是说我想要每个地区的差异。我做了以下工作：

df= df.groupby('District')
df = abs(df.sum()).sort_values('Value', ascending=False)

df= df.groupby('District')
df = abs(df.diff()).sort_values('Value', ascending=False)

我得到的结果与求和时完全不同。我得到：

    Value
4   30.0
10  17.4

我真的需要一个输出，就像我使用sum时一样。熊猫处理和和差的方式有区别吗？如何得到像求和一样的输出？

sum

将所有元素求和为一个数字

diff

获取元素和它前面的元素之间的差异（复数），并返回它们的序列。您认为它们是平行的，因为您的组只有两个元素，但一般来说，它们根本不平行。下面是一个简单的例子：

>>> x = pandas.Series([5, 4, 3, 2, 1])
>>> x.sum()
15
>>> x.diff()
0   NaN
1    -1
2    -1
3    -1
4    -1
dtype: float64

如果您知道您想要的差异总是每组中第一个元素减去第二个元素，那么您可以这样做：

g = df.groupby('District')
new_df = g.Value.apply(lambda x: x.iloc[1] - x.iloc[0]).sort_values(ascending=False)

---

但是，如果你的学校有两个以上的种族群体，你就必须重新考虑你想要计算什么，因为在这种情况下，“差异”将不会得到很好的定义。

谢谢！有没有办法按照新的有序序列对原始数据帧进行重新排序？