如何让pd.pivot_table继承分类列的自定义列排序？

你已经将medals列设为有序分类并排序了原DataFrame，但透视后列仍回到字母序，可通过以下几种方法解决：

方法1：透视后手动指定列顺序 #

先构造符合需求的列索引，再重新排列透视表的列：

import pandas as pd

# 1. 先将medals设为有序分类（你的原代码）
df['medals'] = pd.Categorical(values=df['medals'], ordered=True, categories=['Gold','Silver','Bronze'])

# 2. 生成透视表（假设统计的是score列的count和mean，按name分组）
pivot_df = pd.pivot_table(
    df,
    index='name',
    columns='medals',
    values='score',
    aggfunc=['count', 'mean'],
    fill_value=0
)

# 3. 定义需要的列顺序
medal_order = ['Gold', 'Silver', 'Bronze']
stat_types = ['count', 'mean']

# 构造目标多级列索引
target_columns = pd.MultiIndex.from_product([stat_types, medal_order])

# 重新排列透视表的列
pivot_df = pivot_df.reindex(columns=target_columns)

方法2：使用sort_index按层级排序 #

利用sort_index指定按medals层级排序，并关闭其他层级的排序：

# 生成透视表后执行以下代码
pivot_df = pivot_df.sort_index(axis=1, level='medals', sort_remaining=False)

这个方法会直接基于你之前定义的有序分类顺序，对列的medals层级进行排序，同时保留统计项（count/mean）的原有顺序。

方法3：手动列选 #

如果你的透视表列结构简单，也可以直接写出目标列的列表进行选择：

desired_columns = [
    ('count', 'Gold'), ('count', 'Silver'), ('count', 'Bronze'),
    ('mean', 'Gold'), ('mean', 'Silver'), ('mean', 'Bronze')
]
pivot_df = pivot_df[desired_columns]

内容的提问来源于stack exchange，提问作者Stalcker