Eu venho de um fundo de sql e eu uso a seguinte etapa de processamento de dados com freqüência:

Particionar a tabela de dados por um ou mais camposPara cada partição, adicione um rownumber a cada uma de suas linhas que classifique a linha em um ou mais outros campos, em que o analista especifica ascendente ou descendente

EX:

df = pd.DataFrame({'key1' : ['a','a','a','b','a'],
           'data1' : [1,2,2,3,3],
           'data2' : [1,10,2,3,30]})
df
     data1        data2     key1    
0    1            1         a           
1    2            10        a        
2    2            2         a       
3    3            3         b       
4    3            30        a        

Eu estou procurando como fazer o PANDAS equivalente a esta função de janela sql:

RN = ROW_NUMBER() OVER (PARTITION BY Key1, Key2 ORDER BY Data1 ASC, Data2 DESC)


    data1        data2     key1    RN
0    1            1         a       1    
1    2            10        a       2 
2    2            2         a       3
3    3            3         b       1
4    3            30        a       4

Eu tentei o seguinte que eu comecei a trabalhar onde não há 'partições':

def row_number(frame,orderby_columns, orderby_direction,name):
    frame.sort_index(by = orderby_columns, ascending = orderby_direction, inplace = True)
    frame[name] = list(xrange(len(frame.index)))

Eu tentei estender essa idéia para trabalhar com partições (grupos em pandas), mas o seguinte não funcionou:

df1 = df.groupby('key1').apply(lambda t: t.sort_index(by=['data1', 'data2'], ascending=[True, False], inplace = True)).reset_index()

def nf(x):
    x['rn'] = list(xrange(len(x.index)))

df1['rn1'] = df1.groupby('key1').apply(nf)

Mas eu só tenho muitos NaNs quando faço isso.

Idealmente, haveria uma maneira sucinta de replicar a capacidade de função de janela do SQL (eu descobri os agregados baseados em janela ... que é um forro em pandas) ... alguém pode compartilhar comigo a maneira mais idiomática de número de linhas como esta em PANDAS?