Для данного Pandas df сортируйте df по столбцу (сначала самые высокие значения SUMMED), а затем в каждом порядке уникальных значений по другому столбцу.

Question

My 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

a.У клиента B самая высокая сумма Average_Qty_CAD для каждого клиента (60), поэтому сначала он отображается, затем следует A (6), а затем C (3).

b.В пределах B у Дэйва самый высокий Average_Qty_CAD (30), затем второй (20), а у Боба третий (10), поэтому мы хотим, чтобы строки B упорядочивались по 30,20,10.

c.В пределах А у Боба самый высокий Average_Qty_CAD (3), затем две записи Дейва (2,1), поэтому мы хотим, чтобы А заказал 3,2,1.

д.В C у Боба самый высокий Average_Qty_CAD (1002, затем Dave (1), поэтому порядок 2, 1

Также, если бы я хотел, чтобы сумма каждого клиента Average_Qty_CAD отображала, что нужно добавить?

Желаемый 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 вы можете сделать что-то вроде:

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

Answer 2

Используйте GroupBy.transform с sum, а затем DataFrame.sort_values:

df['Total per Client'] = df.groupby('Client')["Average_Qty_CAD"].transform('sum')
df = (df.sort_values(by=["Total per Client", "Client", "Average_Qty_CAD"], 
                         ascending=[False, True, False]))
print (df)
  Client Currency SalesPerson  Done_Trades  Average_Qty  Average_Qty_CAD  \
3      B      AUD        Dave            3           10               30   
4      B      EUR        Dave            3           50               20   
5      B      USD         Bob            4         1000               10   
2      A      USD         Bob            2          100                3   
1      A      EUR        Dave            1           50                2   
0      A      USD        Dave            1           10                1   
7      C      USD         Bob            6          100                2   
6      C      GBP        Dave            5           50                1   

   Total per Client  
3                60  
4                60  
5                60  
2                 6  
1                 6  
0                 6  
7                 3  
6                 3  

Answer 3

Это делает работу не так элегантно, как хотелось бы:

# Get Totals per client
aux = df.groupby('Client')["Average_Qty_CAD"].sum().rename("Total per Client").reset_index()
print(aux)
# Merge Totals per client with original df and sort
# In case of tie, you want to sort by ascending client
m = df.merge(aux).sort_values(by=["Total per Client", "Client", "Average_Qty_CAD"], ascending=[False, True, False])
print(m)