给定 DataFrame：
import pandas as pd
df = pd.DataFrame([6, 4, 2, 4, 5], index=[2, 6, 3, 4, 5], columns=['A'])
结果：
A
2 6
6 4
3 2
4 4
5 5
现在，我想按 A 列的值和索引进行排序。
例如
df.sort_values(by='A')
返回
A
3 2
6 4
4 4
5 5
2 6
我想要
A
3 2
4 4
6 4
5 5
2 6
如何先对列进行排序，然后再对索引进行排序？
【问题讨论】：
标签： python pandas sorting dataframe
您可以使用kind='mergesort'按索引然后按A列排序。
这是因为mergesort is stable。
res = df.sort_index().sort_values('A', kind='mergesort')
结果：
A
3 2
4 4
6 4
5 5
2 6
【讨论】：
lexsort 来自numpy 比mergesort 快一点。
在 numpy 中使用 lexsort 可能是另一种方式，而且速度也快一点：
df.iloc[np.lexsort((df.index, df.A.values))] # Sort by A.values, then by index
结果：
A
3 2
4 4
6 4
5 5
2 6
与timeit比较：
%%timeit
df.iloc[np.lexsort((df.index, df.A.values))] # Sort by A.values, then by index
结果：
1000 loops, best of 3: 278 µs per loop
重置索引并再次设置索引：
%%timeit
df.reset_index().sort_values(by=['A','index']).set_index('index')
结果：
100 loops, best of 3: 2.09 ms per loop
【讨论】：
其他答案很棒。我将提供另一个选项，即首先使用rename_axis 为索引提供一个名称，然后在sort_values 中引用它。我尚未测试性能，但希望接受的答案仍然更快。
df.rename_axis('idx').sort_values(by=['A', 'idx'])
A
idx
3 2
4 4
6 4
5 5
2 6
如果您愿意，可以在之后使用df.index.name = None 清除索引名称。
【讨论】：