Pandas按值排序，然后按索引排序

Question

我有以下数据集：

import numpy as np
from pandas import DataFrame
import numpy.random as random

random.seed(12)

df = DataFrame (
    {
        "fac1" : ["a","a","a","a","b","b","b","b"] ,
        "val" : random.choice(np.arange(0,20), 8, replace=False)
    }
)
df2 = df.set_index(["fac1"])
df2

我希望的是在每个 fac1 组内按 val 进行排序，得到如下结果：

我已经仔细查阅了文档，但没有找到一个简单明了的方法。我能做到的最好办法是以下这种hack：

df3 = df2.reset_index()
df4 = df3.sort_values(["fac1","val"],ascending=[True,True],axis=0)
df5 = df4.set_index(["fac1"])
df5
# Produces the picture above

我意识到上述内容可以从多个inplace选项中受益，只是为了让中间产品清晰明了而这样做。

我找到了这篇SO帖子，它使用分组和排序函数。然而，从那篇帖子改编的以下代码产生了错误的结果。

df2.groupby("fac1",axis=1).apply(lambda x : x.sort_values("val"))

由于空间限制，输出已删除。

还有其他方法可以解决这个问题吗？

更新：解决方案

被接受的解决方案是：

df2.sort_values(by='val').sort_index(kind='mergesort')

排序算法必须为mergesort，并且必须显式指定，因为它不是默认值。正如sort_index文档中指出的那样，“mergesort是唯一的稳定算法。”如果您不为kind指定mergesort，则以下是另一个无法正确排序的示例数据集：

random.seed(12)

len = 32 

df = DataFrame (
    {
        "fac1" : ["a" for i in range(int(len/2))] + ["b" for i in range(int(len/2))] ,
        "val" : random.choice(np.arange(0,100), len, replace=False)
    }
)
df2 = df.set_index(["fac1"])
df2.sort_values(by='val').sort_index()

（由于空间原因，我省略了所有输出）

- sparc_spread

---

我一直在试图缩小故障发生的点，它与 len 有关 - 对于代码中的其他所有内容，提议的解决方案适用于 len <= 16，但对于更大的值则失败。 - Silenced Temporarily

Answer 1

编辑：我查阅了文档，sort_index 的默认排序算法是快速排序。这不是一个“稳定”的算法，因为它不能保留“已排序输出中相等元素的输入顺序”（来自维基百科）。然而，sort_index 提供了选择“归并排序”的选项，这是一种稳定的排序算法。所以我的原始答案是错误的。

df2.sort_values(by='val').sort_index()

“worked”只是偶然发生的结果。这段代码应该每次都能正常运行，因为它使用了一种稳定的排序算法：

df2.sort_values(by='val').sort_index(kind = 'mergesort')

- Sam

---

当你写最后的编辑时，我刚好遇到了同样的问题。是的，那就是答案。话虽如此，我有点惊讶于kind的默认值不是mergesort。嗯，我猜可以从两个方面来论证。总之，我认为这解决了问题。 - sparc_spread

我也很惊讶，但我认为在最坏的情况下可能需要更长时间。 - Sam

同意 - 根据文档，这一切都归结于底层的numpy ndarray实现。该库真正为速度而建；同时，在pandas层上，我的用例是常见的（我是pandas的新手，但已经从事数据科学/统计工作多年，主要使用SAS，在那里这很容易做到）。我认为通过添加一个布尔型的stable参数来改进API会更好，而不是选择算法 - 这样人们更容易注意到它。无论如何，现在我们知道了！再次感谢（并享受赏金 :-)）。 - sparc_spread

如果你和我一样需要先按列排序，然后再按索引排序，你应该改变排序的顺序！例如：.sort_index().sort_values('A', kind='mergesort') - lucidyan