拼接多级索引DataFrame时如何保留列的原有顺序？

问题描述 #

现有两个多级索引的pandas DataFrame：

import pandas as pd

df1 = pd.DataFrame({
    ('y1', '0'): [1, 2, 3],
    ('y2', '0'): [4, 5, 6],
    ('y11', '0'): [7, 8, 9],
})

df2 = pd.DataFrame({
    ('y1', '1'): [1.5, 2.5, 3.5],
    ('y2', '1'): [4.5, 5.5, 6.5],
    ('y11', '1'): [7.5, 8.5, 9.5],
})

期望拼接后得到如下结果，保留一级索引原有顺序y1; y2; y11，同时将同一一级索引下的二级索引（0和1）交错排列：

df = pd.DataFrame({
   ('y1', '0'): [1, 2, 3],
   ('y1', '1'): [1.5, 2.5, 3.5],
   ('y2', '0'): [4, 5, 6],
   ('y2', '1'): [4.5, 5.5, 6.5],
   ('y11', '0'): [7, 8, 9],
   ('y11', '1'): [7.5, 8.5, 9.5],
})

尝试使用pd.concat加sort_index的方式：

df = pd.concat((df1, df2), axis="columns").sort_index(axis="columns")

但会导致一级索引按字典序被打乱为y1、y11、y2，输出结果如下：

y1      y11      y2     
   0    1   0    1  0    1
0  1  1.5   7  7.5  4  4.5
1  2  2.5   8  8.5  5  5.5
2  3  3.5   9  9.5  6  6.5

需要找到更优的解决方案，避免复杂正则处理。

解决方案 #

方法1：基于原一级索引顺序重排列 #

先拼接两个DataFrame，再利用df1的一级索引原始顺序，重新构造列的排列顺序：

# 拼接两个DataFrame
combined = pd.concat([df1, df2], axis=1)
# 获取df1中一级索引的原始唯一顺序
first_level_order = df1.columns.get_level_values(0).unique()
# 遍历每个一级索引，收集对应的所有二级索引列
target_columns = []
for level1 in first_level_order:
    target_columns.extend([col for col in combined.columns if col[0] == level1])
# 按目标顺序重新排列列
df = combined[target_columns]

方法2：通过join合并后重排列 #

由于两个DataFrame行索引一致，可直接用join合并，再按同样逻辑调整列顺序：

# 合并DataFrame
combined = df1.join(df2)
# 获取一级索引原始顺序
first_level_order = df1.columns.get_level_values(0).unique()
# 构造目标列顺序
target_columns = []
for level1 in first_level_order:
    target_columns.extend([col for col in combined.columns if col[0] == level1])
# 重排列
df = combined[target_columns]

方法3：构造目标MultiIndex后重索引 #

若已知二级索引的所有取值（此处为['0','1']），可直接构造目标列的MultiIndex，再对拼接后的DataFrame重索引：

# 拼接得到完整数据集
combined = pd.concat([df1, df2], axis=1)
# 构造目标列的MultiIndex
target_index = pd.MultiIndex.from_product(
    [df1.columns.get_level_values(0).unique(), ['0', '1']],
    names=combined.columns.names
)
# 按目标索引重排列
df = combined.reindex(target_index, axis=1)

内容的提问来源于stack exchange，提问作者Sai-Aakash Ramesh