另一种可能的解决方案，它使用布尔列表来定义几个排序顺序：

df.sort_values(['Part', 'Date', 'Quantity'], ascending=[True, True, False])

字符串
输出量：

Part        Date  Quantity
1    A  2023-10-26         1
0    A  2023-10-26        -1
2    A  2023-11-03         1
3    A  2023-12-15        -1
4    B  2023-11-09         2
6    B  2023-11-14         2
5    B  2023-11-14        -2
7    B  2023-11-19         2

型

在DataFrame.sort_values中使用key参数，通过Series.lt或Series.le比较，为False指定列Quantity，以获得正值：

out = df.sort_values(['Part', 'Date', 'Quantity'], 
                    key=lambda x: x.le(0) if x.name=='Quantity' else x)
print (out)
  Part        Date  Quantity
1    A  2023-10-26         1
0    A  2023-10-26        -1
2    A  2023-11-03         1
3    A  2023-12-15        -1
4    B  2023-11-09         2
6    B  2023-11-14         2
5    B  2023-11-14        -2
7    B  2023-11-19         2

字符串

如果你想对所有值进行排序，那么numpy.lexsort是非常有效的：

out = df.iloc[np.lexsort([df['Quantity']<0, df['Date'], df['Part']])]

字符串
如果你真的想对组内的值进行排序，而不是修改组，那么你需要一个groupby.apply：

out = (df.groupby(['Part', 'Date'], group_keys=False)
         .apply(lambda g: g.sort_values(by='Quantity', key=lambda x: x<0))
      )

型
输出量：

Part        Date  Quantity
1    A  2023-10-26         1
0    A  2023-10-26        -1
2    A  2023-11-03         1
3    A  2023-12-15        -1
4    B  2023-11-09         2
6    B  2023-11-14         2
5    B  2023-11-14        -2
7    B  2023-11-19         2

型