您可以使用每个Group的cumcount作为排序键：

out = df.sort_values("Group", key=lambda _: df.groupby("Group").cumcount())

字符串
或者更好，正如@mozway所建议的那样，您可以使用以下变体之一：

out = df.sort_values(by="Group", key=lambda s: s.groupby(s).cumcount())

out = df.iloc[np.argsort(df.groupby("Group").cumcount())]

输出量：

print(out)

  Group  Score
0     A     10
3     B      7
1     A      9
4     B      6
2     A      8
5     B      5

型

解决方案1

另一种可能的方法是按组计算元素的数量n，然后通过以方便的顺序（顺序F）重新整形和平整三角形的索引，获得正确的索引以重新索引（使用iloc）并获得想要的输出：

n = len(df) // df['Group'].nunique()
df.iloc[df.index.values.reshape(-1, n).flatten(order='F')]

字符串

解决方案2

还有一种可能的解决方案，它基于list comprehension。这个解决方案可能不如前一个有效，因为有一个groupby：

g = df.groupby('Group')
df.iloc[[index for y in zip(*[x.index for _, x in g]) for index in y]]

型

输出

Group  Score
0     A     10
3     B      7
1     A      9
4     B      6
2     A      8
5     B      5

型