Pandas多级列DataFrame自定义列层级排序问题

现有如下数据：

from pandas import Timestamp
import pandas as pd

values = [['IDX100', 'field1', Timestamp('1999-02-01 05:00:00'), '101'],
       ['IDX100', 'field1', Timestamp('1999-02-02 05:00:00'), '102'],
       ['IDX100', 'field1', Timestamp('1999-02-03 05:00:00'), '103'],
       ['IDX200', 'field1', Timestamp('1999-02-01 05:00:00'), '601'],
       ['IDX200', 'field1', Timestamp('1999-02-02 05:00:00'), '602'],
       ['IDX200', 'field1', Timestamp('1999-02-03 05:00:00'), '603'],
       ['IDX100', 'field2', Timestamp('1999-02-01 05:00:00'), '201'],
       ['IDX100', 'field2', Timestamp('1999-02-02 05:00:00'), '202'],
       ['IDX100', 'field2', Timestamp('1999-02-03 05:00:00'), '203'],
       ['IDX200', 'field2', Timestamp('1999-02-01 05:00:00'), '701'],
       ['IDX200', 'field2', Timestamp('1999-02-02 05:00:00'), '702'],
       ['IDX200', 'field2', Timestamp('1999-02-03 05:00:00'), '703'],
       ['IDX100', 'field3', Timestamp('1999-02-01 05:00:00'), '301'],
       ['IDX100', 'field3', Timestamp('1999-02-02 05:00:00'), '302'],
       ['IDX100', 'field3', Timestamp('1999-02-03 05:00:00'), '303'],
       ['IDX200', 'field3', Timestamp('1999-02-01 05:00:00'), '801'],
       ['IDX200', 'field3', Timestamp('1999-02-02 05:00:00'), '802'],
       ['IDX200', 'field3', Timestamp('1999-02-03 05:00:00'), '803']]

df = pd.DataFrame(values, columns = ['identifier', 'code', 'date', 'value'])

执行透视操作后得到多级列结构：

df = df.pivot(index=['date'], columns=['identifier', 'code'], values=['value'])

输出结果：

value                                   
identifier          IDX100 IDX200 IDX100 IDX200 IDX100 IDX200
code                field1 field1 field2 field2 field3 field3
date                                                         
1999-02-01 05:00:00    101    601    201    701    301    801
1999-02-02 05:00:00    102    602    202    702    302    802
1999-02-03 05:00:00    103    603    203    703    303    803

期望得到的输出样式：

identifier           IDX100                IDX200 
code                 field3 field2 field1  field3 field2 field1
date                                                         
1999-02-01 05:00:00    301    201    101   801    701    601
1999-02-02 05:00:00    302    202    102   802    702    602
1999-02-03 05:00:00    303    203    103   803    703    603

尝试过df = df.reindex(sorted(df.columns), axis=1)，但只能保持code层级默认顺序field1、field2、field3，无法实现自定义排序（如field3、field2、field1），需要解决这个问题。

有两种方式可以实现自定义的多级列排序：

方法一：透视后重排列索引 #

1. 先定义自定义的code顺序：

custom_code_order = ['field3', 'field2', 'field1']

2. 获取唯一的identifier列表：

identifiers = df.columns.get_level_values('identifier').unique()

3. 构造目标列索引的元组列表（结合最上层的value层级）：

target_columns = [('value', ident, code) for ident in identifiers for code in custom_code_order]

4. 使用reindex重新排列列：

df = df.reindex(columns=target_columns)

方法二：透视前设置分类排序 #

这种方式不需要后续重排，一步到位得到目标结构：

1. 将code列转为分类类型并指定自定义顺序：

custom_code_order = ['field3', 'field2', 'field1']
df['code'] = pd.Categorical(df['code'], categories=custom_code_order, ordered=True)

2. 执行透视操作：

df = df.pivot(index=['date'], columns=['identifier', 'code'], values=['value'])

内容的提问来源于stack exchange，提问作者mike01010