如何在Pandas连接操作中保留MultiIndex的原有顺序？

问题原因 #

当用join连接不同层级的索引时，Pandas会自动把用于连接的索引列提升到最外层，哪怕设置sort=False也不会保留原DataFrame的索引层级顺序。这里df1的索引是[index1, Index2]，df2的索引是Index2，连接时Pandas会把Index2放到最前面，导致结果不符合预期。

解决方案 #

有两种简单方法可以恢复原索引顺序：

方法1：用merge替代join

merge能更精准控制索引保留逻辑，指定left_index=True和right_index=True，连接后再重置索引顺序：

import pandas as pd

df1 = pd.DataFrame({'data1':[1,2,3,4]}, index=pd.MultiIndex.from_product([['a','b'],[1,2],], names=['index1','Index2']))
df2 = pd.DataFrame({'data2':[5,6]}, index=pd.MultiIndex.from_product([[1,2]], names=['Index2']))

# 使用merge完成连接
df3 = pd.merge(df1, df2, left_index=True, right_index=True, how='left')
# 按照df1的索引层级顺序重排
df3 = df3.reorder_levels(df1.index.names)
print(df3)

输出结果：

data1  data2
index1 Index2              
a      1           1      5
       2           2      6
b      1           3      5
       2           4      6

方法2：连接后直接重排索引层级

如果坚持用join，可以在连接完成后用reorder_levels把索引改回原顺序：

df3 = df1.join(df2, how='left', sort=False)
# 按照df1的索引名称顺序重排层级
df3 = df3.reorder_levels(df1.index.names)
print(df3)

同样能得到符合预期的结果。

补充说明 #

Pandas文档中how='left'保留原索引的描述，指的是保留原索引的内容，而非索引的层级顺序。当连接用的索引在原DataFrame中不是最外层时，就会出现层级顺序被调换的情况，用上述方法即可解决。

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