pandas DataFrame按重复对行排序

Question

如何对DataFrame进行排序，以便重复列中的行被“回收”。

例如，我原始的DataFrame如下所示：

In [3]: df
Out[3]: 
    A  B
0  r1  0
1  r1  1
2  r2  2
3  r2  3
4  r3  4
5  r3  5

我希望它转向：

In [3]: df_sorted
Out[3]: 
    A  B
0  r1  0
2  r2  2
4  r3  4
1  r1  1
3  r2  3
5  r3  5

对行进行排序，以使列中的行A采用“回收”方式。

我已经在Pandas中搜索过API，但是似乎没有任何合适的方法可以这样做。我可以编写一个复杂的函数来完成此操作，但是只是想知道是否有任何智能方法或现有的pandas方法可以做到这一点？非常感谢。

更新：对错误的陈述表示歉意。在我真正的问题中，列B包含字符串值。

Answer 1

您可以使用cumcount在列计数的重复A，那么sort_values首先A通过（在没有必要的样品，在真实数据也许很重要），然后C。最后删除列C的drop：

df['C'] = df.groupby('A')['A'].cumcount()
df.sort_values(by=['C', 'A'], inplace=True)
print (df)
    A  B  C
0  r1  0  0
2  r2  2  0
4  r3  4  0
1  r1  1  1
3  r2  3  1
5  r3  5  1

df.drop('C', axis=1, inplace=True)
print (df)
    A  B
0  r1  0
2  r2  2
4  r3  4
1  r1  1
3  r2  3
5  r3  5

时间：

小df（len(df)=6）

In [26]: %timeit (jez(df))
1000 loops, best of 3: 2 ms per loop

In [27]: %timeit (boud(df1))
100 loops, best of 3: 2.52 ms per loop

大df（len(df)=6000）

In [23]: %timeit (jez(df))
100 loops, best of 3: 3.44 ms per loop

In [28]: %timeit (boud(df1))
100 loops, best of 3: 2.52 ms per loop

计时代码：

df = pd.concat([df]*1000).reset_index(drop=True) 
df1 = df.copy()

def jez(df):
    df['C'] = df.groupby('A')['A'].cumcount()
    df.sort_values(by=['C', 'A'], inplace=True)
    df.drop('C', axis=1, inplace=True)
    return (df)

def boud(df):
    df['C'] = df.groupby('A')['B'].rank()
    df = df.sort_values(['C', 'A'])
    df.drop('C', axis=1, inplace=True)
    return (df)
100 loops, best of 3: 4.29 ms per loop