1. 使用Python中的pandas库读取CSV文件，并以指定列为索引，计算每个值的频率，得到一个Series对象。
2. 将Series转换为DataFrame，并按频率值进行排序。
3. 利用DataFrame的sort_values方法，按排序后的值对CSV文件进行排序。

示例代码：

import pandas as pd

# 读取csv文件
df = pd.read_csv('file.csv', sep=',')

# 按指定列进行计数，并排序
count_df = df['column_name'].value_counts().sort_values(ascending=False)

# 转换为DataFrame
count_df = pd.DataFrame(count_df)

# 重置索引
count_df.reset_index(inplace=True)

# 修改列名
count_df.columns = ['column_name', 'count']

# 按count列排序
sorted_df = df.merge(count_df, on='column_name').sort_values(by='count', ascending=False)

# 输出排序后的文件
sorted_df.to_csv('sorted_file.csv', sep=',', index=False)

其中，'file.csv'是待排序的CSV文件路径，'column_name'是指定要计数的列名，'sorted_file.csv'是排序后输出的CSV文件路径。