Dataframe GroupBy的顺序错误

最近在实际项目使用Dataframe的时候遇到一个坑。
那就是假如我先对Dataframe进行GroupBy 分组，然后再对各组进行遍历。
它的顺序是并不是我们之前的排序顺序。具体如下：

在import pandas as pd

test_df = pd.DataFrame([[1,88,888],[1,99,999],[3,33,333],[3,44,444],[3,55,555],[6,66,666]],columns=['id','c1','c2'])
test_df = test_df.sort_values(by=['c2'])
test_df.head(6)

当我们执行这点代码的时候，我们会得到一个这样的Dataframe。之所以没有按照id排序是因为我们最Dataframe做了排序要求，以c2为没仪表

index	id	c1	c2
2	3	33	333
3	3	44	444
4	3	55	555
5	6	66	666
0	1	88	888
1	1	99	999

紧接着当我们再执行：

test_group = test_df.groupby(['id'])
for i,test in test_group:
    print(test)

这时候我们就会得到一个这样的结果

index	id	c1	c2
0	1	88	888
1	1	99	999

index	id	c1	c2
2	3	33	333
3	3	44	444
4	3	55	555

index	id	c1	c2
5	6	66	666

这里不难发现，groupby之后的顺序，其实并不是我们想要的排序顺序。
那是因为我们又以id作为分组，所以排序方式变成了id为主。
要解决这个问题，我查了一下官方文档。在官方文档的groupby里面有这么一个参数是可以传的。

大致意思就是这个参数可以调整groupby方法是否按照group key进行排序。然后它的默认是True。所以才会导致groupby之后和我们sort的顺序有偏差。所以假如要保持原来顺序，我们应该：

test_group = test_df.groupby(['id'],sort=False)
for i,test in test_group:
    print(test)

index	id	c1	c2
2	3	33	333
3	3	44	444
4	3	55	555

index	id	c1	c2
5	6	66	666

index	id	c1	c2
0	1	88	888
1	1	99	999

最后就可以得到应有的排序了。