当需要按某列分组并排序，但不执行求和、均值等聚合操作时，可借助 groupby().first() 保留每组首行，再通过 sort_values() 按目标列排序，从而实现逻辑分组+有序展示的效果。
当需要按某列分组并排序，但不执行求和、均值等聚合操作时，可借助 groupby().first() 保留每组首行，再通过 sort_values() 按目标列排序，从而实现逻辑分组+有序展示的效果。
在 Pandas 中，groupby() 默认要求后续接聚合操作（如 .sum()、.mean()、.count()），但有时我们仅需“按某列归类 → 保留每组代表性记录 → 再整体排序”，并不想丢失原始行结构或做数值汇总。此时，.first() 是一个轻量且语义清晰的选择：它对每个分组返回第一个出现的非空值行（按原始 DataFrame 行序），既避免了冗余聚合，又为后续排序提供了结构化基础。
以示例数据为例，目标是按 City 分组，提取 City 和 No. of Sport Fields 两列，并按后者升序排列。由于同一城市对应的运动场数量一致（如 LA 均为 81），使用 .first() 完全合理：
result = df[['City', 'No. of Sport Fields']] \
.groupby('City') \
.first() \
.sort_values(by='No. of Sport Fields')
print(result)
输出结果为：
No. of Sport Fields City NJ 64 SF 75 NYC 80 NYC. 80 LA 81
⚠️ 注意事项：
- 若某城市存在多个不同的
No. of Sport Fields值，.first()仅保留首个值，可能掩盖数据差异——此时应先确认业务逻辑是否允许去重，或改用.drop_duplicates(subset=['City'], keep='first')配合sort_values()更显意图； -
groupby().first()会将分组键（如'City'）设为索引，若需恢复为普通列，可链式调用.reset_index()； - 排序默认升序，如需降序，请传入
ascending=False参数。
综上，groupby(...).first().sort_values(...) 是一种简洁、高效且符合直觉的“分组—取样—排序”范式，在无需统计聚合的场景中值得优先考虑。
