根据pandas groupby sort within groups的答案，为了对每个组中的观察进行排序，需要对第一个groupby的结果执行第二次groupby。为什么需要第二个groupby？我会假设在运行第一个groupby之后已经将观察结果安排到组中，并且所需要的只是一种枚举这些组的方法（并使用apply运行order）。
答案 0 :(得分：7)
因为一旦你在一个groupby之后应用一个函数，结果会被组合回一个普通的未组合数据框。使用groupby和groupby方法（如sort）应该被认为是Split-Apply-Combine operation
groupby拆分原始数据框，并将该方法应用于每个组，但然后隐式再次组合结果。
在另一个问题中，他们可以颠倒操作（先排序），然后不必使用两个groupbys。他们可以这样做：
df.sort(['job','count'],ascending=False).groupby('job').head(3)
答案 1 :(得分：0)
在这种情况下，他们需要第二个分组，因为除了排序之外，他们只希望保留每个分组的前3行。
如果您只需要按组排序，则可以：
df_res = df.groupby(['job','source']).agg({'count':sum}).sort_values(['job','count'],ascending=False)
一个小组成员就足够了。
如果您想保留每组最高计数的3行，则可以再次分组并使用head（）函数：
df_res.groupby('job').head(3)