python - 对于给定的 Pandas df，按列(最高 SUMMED 值优先)对 df 进行排序，然后在每个唯一值内按另一列排序

Question

我的 df:

Test_Data = [('Client', ['A', 'A', 'A', 'B', 'B', 'B','C','C']),
             ('Currency', ['USD', 'EUR', 'USD', 'AUD', 'EUR', 'USD', 'GBP', 'USD']),
             ('SalesPerson', ['Dave', 'Dave', 'Bob', 'Dave', 'Dave', 'Bob','Dave','Bob']),
             ('Done_Trades', [1,1,2,3,3,4,5,6]),
             ('Average_Qty', [10, 50, 100, 10, 50, 1000, 50, 100]),
             ('Average_Qty_CAD', [1, 2, 3, 30,20, 10,1,2])

df = pd.DataFrame(dict(Test_Data))
print(df)

  Client Currency SalesPerson  Done_Trades  Average_Qty  Average_Qty_CAD
0      A      USD        Dave            1           10                1
1      A      EUR        Dave            1           50                2
2      A      USD         Bob            2          100                3
3      B      AUD        Dave            3           10               30
4      B      EUR        Dave            3           50               20
5      B      USD         Bob            4         1000               10
6      C      GBP        Dave            5           50                1
7      C      USD         Bob            6          100                2

一个。客户 B 的每个客户的 Average_Qty_CAD 总和最高 (60)，因此它首先显示，然后是 A (6)，然后是 C (3)。

在 B 中，Dave 具有最高的 Average_Qty_CAD (30)，其次是 (20)，Bob 具有第三 (10)，因此我们希望 B 的行按 30、20、10 排序。

在 A 中，Bob 的 Average_Qty_CAD (3) 最高，然后是 Dave 的两个条目 (2,1)，因此我们希望 A 排序为 3,2,1。

在 C 中，Bob 具有最高的 Average_Qty_CAD (1002，然后是 Dave (1)，因此排序 2、1

另外，如果我想显示每个客户的总和 Average_Qty_CAD 需要添加什么？

期望的 df:

  Client Currency SalesPerson  Done_Trades  Average_Qty  Average_Qty_CAD Total per Client
2      B      AUD        Dave            3           10               30  60
1      B      EUR        Dave            3           50               20  60
0      B      USD         Bob            4         1000               10  60
3      A      USD         Bob            2          100                3  6
4      A      EUR        Dave            1           50                2  6
5      A      USD        Dave            1           10                1  6
6      C      USD         Bob            6          100                2  3
7      C      GBP        Dave            5           50                1  3

Answer 1

IIUC 你可以这样做:

m=(df.reindex(df.groupby('Client').Qty_CAD.transform(sum).
               sort_values(ascending=False).index).reset_index(drop=True))
print(m)

---

  Client SalesPerson  Qty_CAD
0      B         Bob    10000
1      B        Dave       50
2      B        Dave       10
3      A         Bob      100
4      A        Dave       50
5      A        Dave       10
6      C         Bob      100
7      C        Dave       50