pandas 分组排序并保留原始列

场景

需要按照各个省份及全网进行分组，对各个指标的率值进行排序。
其实这一步一般是在sql中完成的，但由于

1. 要分组排序的列较多,达30列以上，代码十分不简洁，python一两行即可搞定
2. 连接的数据库为mysql，本身没有row_number() over( paritition by··· ···)的语句，实现起来较为麻烦。
3. 本次的原始数据每日只有5000行左右并不大

故直接用python将数据down下来进行处理。

实现

按照常理，直接groupby()分组再rank()排序即可

In[12]: result1.groupby(by='省份')[['投诉完结率', '二次投诉率']].rank(ascending=False, method = 'min')
Out[12]: 
     投诉完结率  二次投诉率
0      1.0    4.0
1      1.0    5.0
2      1.0    1.0
3      1.0    2.0
4      1.0    3.0
..     ...    ...
162    1.0    1.0
163    1.0    1.0
164    1.0    1.0
165    1.0    1.0
166    1.0    1.0

[167 rows x 2 columns]

但实际上得到的结果与sum() mean() max()等聚合运算得到的结果并不相同，这些聚合运算返回的Series或DataFrame的index为“by=”的列。每一组仅返回一行数据。

In[20]: result1.groupby(by='省份').max()[['投诉完结率', '二次投诉率']].head()
Out[20]: 
       投诉完结率   二次投诉率
省份               
上海       1.0  0.0121
云南       1.0  0.0244
全网       1.0  0.0120
内蒙古      1.0  0.0323
北京       1.0  0.0084

但rank()方法在原本数据的基础上每一行都返回一个排名，最后得到的数据index仍为原本的index，其他列是不显示的。

为了在结果中显示其他列，有两种方法：

1. 如果需要将上述结果join回原result1，直接按index进行join/merge/concat即可， 但不可使用result1[['rank1','rank2']]=result1.groupby(by='省份')[['投诉完结率', '二次投诉率']].rank(ascending=False, method = 'min')这种方式直接增加一列，行的顺序并不能自动对齐 ；
2. 如仅需一列或几列+计算得到的排名，而不需要原数据中其他列，则对result1在分组之前，将需要的列set_index更为简便

In [14]: result1.set_index(['省份','公司名称']).groupby(by='002省份')[['投诉完结率', '二次投诉率']]\
.rank(ascending=False, method = 'min')
Out[14]: 
                 投诉完结率  二次投诉率
省份   公司名称              
全网      s       1.0    4.0
        b       1.0    5.0
        yd       1.0    1.0
        y       1.0    2.0
        z       1.0    3.0
...                ...    ...
香港特别行政区 b       1.0    1.0
        s       1.0    1.0
        z       1.0    1.0
台湾      z       1.0    1.0
        yd       1.0    1.0

[167 rows x 2 columns]