修复Pandas DataFrame二级列排序问题及非透视表实现方案

一、修复pivot_table方案 #

使用pivot_table时默认会自动排序列，导致原始列顺序被打乱，可通过以下步骤修复：

1. 在pivot_table中设置sort=False，禁止自动排序列
2. 显式指定二级列的目标顺序，匹配原始DataFrame的列序列

示例代码：

# 假设分组列为'Device'，行索引为'Timestamp'
pivoted = df.pivot_table(
    index='Timestamp',
    columns='Device',
    values=['HV Current', 'Total Power', 'Tap Pos.'],
    sort=False  # 关键参数：保留values传入的原始列顺序
)

# 交换列层级（若需将Device设为一级列、指标设为二级列）
pivoted = pivoted.swaplevel(axis=1)

# 强制指定二级列顺序
desired_order = ['HV Current', 'Total Power', 'Tap Pos.']
pivoted = pivoted.reindex(columns=pivoted.columns.unique(level=0), level=0)
pivoted = pivoted.reindex(columns=desired_order, level=1)

二、非透视表实现方式 #

方法1：groupby + unstack #

# 按Timestamp和Device分组，严格保留原始列顺序
grouped = df.groupby(['Timestamp', 'Device'])[['HV Current', 'Total Power', 'Tap Pos.']].first()
# 将Device从索引转为列，生成二级列结构
result = grouped.unstack(level='Device')
# 交换列层级（按需选择）
result = result.swaplevel(axis=1)
# 确保二级列顺序符合要求
desired_order = ['HV Current', 'Total Power', 'Tap Pos.']
result = result.reindex(columns=result.columns.unique(level=0), level=0)
result = result.reindex(columns=desired_order, level=1)

方法2：手动构造MultiIndex列 #

适合结构简单的场景，完全手动控制列顺序：

# 提取各设备的子集并设置索引
device_a = df[df['Device'] == 'A'].set_index('Timestamp')[['HV Current', 'Total Power', 'Tap Pos.']]
device_b = df[df['Device'] == 'B'].set_index('Timestamp')[['HV Current', 'Total Power', 'Tap Pos.']]

# 为每个子集构造MultiIndex列
device_a.columns = pd.MultiIndex.from_product([['A'], device_a.columns])
device_b.columns = pd.MultiIndex.from_product([['B'], device_b.columns])

# 合并结果，原始列顺序完全保留
result = pd.concat([device_a, device_b], axis=1)

内容的提问来源于stack exchange，提问作者rush dee