python - 在不更改组顺序的情况下按第一个值对组进行排序

Question

我试图在不更改 block 内顺序的情况下按 block 对 pandas 数据帧进行排序。

数据框包含论坛帖子、时间戳和话题名称。我已经使用 df.sort_values(['thread', 'timestamp'], inplace=True) 对数据框进行了排序，以便属于同一线程的所有帖子都按正确的顺序排列。我现在想根据每个 block 中第一篇文章的时间戳对属于同一线程的数据 block 进行排序。 block 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:

    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

有办法吗？

Answer 1

让我们先尝试groupby线程，然后获取第一条记录，将这些记录按时间排序，然后使用DataFrameGroupBy的groups属性获取索引的当前顺序每组。最后，使用 pd.concat 和列表推导式按照第一条记录的排序顺序重建数据框。

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