如何对Pandas多级索引DataFrame指定Level 0分组排序

方法一：拆分重组（直观易理解） #

先将目标分组（age_group）单独提取并按指定顺序重排，再与其他分组拼接，保留其他分组原有顺序：

import pandas as pd

# 原数据创建
data = {'Count': [207, 105, 28, 37, 182, 194]}
index = pd.MultiIndex.from_tuples([
    ('age_group', '20-39'),
    ('age_group', '40-59'),
    ('age_group', '<19'),
    ('age_group', '>60'),
    ('gender', 'female'),
    ('gender', 'male')
], names=['Parameter', 'Values'])
df = pd.DataFrame(data, index=index)

# 指定的age_group排序顺序
age_groups = ["<19", "20-39", "40-59", ">60"]

# 1. 提取age_group分组并按指定顺序重排
age_subset = df.xs('age_group', level='Parameter').reindex(age_groups)
# 恢复多级索引
age_subset.index = pd.MultiIndex.from_tuples(
    [('age_group', val) for val in age_groups],
    names=df.index.names
)

# 2. 提取其他所有分组（保持原有顺序）
other_subset = df[df.index.get_level_values('Parameter') != 'age_group']

# 3. 拼接两个部分
df_sorted = pd.concat([age_subset, other_subset])

方法二：自定义排序键（灵活适配多参数场景） #

通过给每个索引元组分配排序权重，实现精准排序，无需拆分DataFrame，适合参数较多的场景：

import pandas as pd

# 原数据创建（同上）
data = {'Count': [207, 105, 28, 37, 182, 194]}
index = pd.MultiIndex.from_tuples([
    ('age_group', '20-39'),
    ('age_group', '40-59'),
    ('age_group', '<19'),
    ('age_group', '>60'),
    ('gender', 'female'),
    ('gender', 'male')
], names=['Parameter', 'Values'])
df = pd.DataFrame(data, index=index)

age_groups = ["<19", "20-39", "40-59", ">60"]

# 创建排序权重字典
sort_weights = {}
# 给age_group的每个值按指定顺序分配优先级
for priority, val in enumerate(age_groups):
    sort_weights[('age_group', val)] = priority

# 给其他索引元组分配更高优先级（保留原有相对顺序）
remaining_indices = [idx for idx in df.index if idx not in sort_weights]
for priority, idx in enumerate(remaining_indices, start=len(age_groups)):
    sort_weights[idx] = priority

# 按权重排序索引并重新排列DataFrame
df_sorted = df.loc[sorted(df.index, key=lambda x: sort_weights[x])]

说明 #

• 两种方法都不会影响其他参数分组（如示例中的gender）的原有顺序
• 方法二更适合实际场景中存在大量参数的情况，无需逐个处理非目标分组

内容的提问来源于stack exchange，提问作者confusedstudent