如何在保持行列原有顺序的前提下对Pandas DataFrame执行pivot操作

要解决pivot后丢失period行顺序和指定列顺序的问题，核心是锁定原始顺序的分类类型+手动指定列层级顺序，具体步骤如下：

1. 提取原始顺序 #

先从原始DataFrame中获取period和shortCode的原始出现顺序（不做排序）：

import pandas as pd

# 提取period的原始顺序
original_periods = df_tc['period'].unique()
# 提取shortCode的原始顺序
original_shortcodes = df_tc['shortCode'].unique()

2. 将字段转为有序分类 #

把period和shortCode转为Categorical类型并指定原始顺序为分类规则，这样pivot时不会自动排序：

df_tc['period'] = pd.Categorical(df_tc['period'], categories=original_periods, ordered=True)
df_tc['shortCode'] = pd.Categorical(df_tc['shortCode'], categories=original_shortcodes, ordered=True)

3. 执行Pivot并修正列顺序 #

执行pivot后，由于values参数的列表会被默认按字母排序（比如$/mt会排在WS前面），需要手动构造期望的列层级并重新排列：

# 执行pivot
df_test = df_tc.pivot(
    index='period',
    columns='shortCode',
    values=['WS', '$/mt', 'change']
)

# 构造符合要求的列层级：先按WS、$/mt、change，再按原始shortCode顺序
desired_columns = pd.MultiIndex.from_product(
    [['WS', '$/mt', 'change'], original_shortcodes],
    names=['metric', 'shortCode']
)

# 重新排列列
df_test = df_test[desired_columns]

效果验证 #

• 行顺序：period会严格保留原始DataFrame中的出现顺序（比如Jan-23在前，Feb-23在后）
• 列顺序：先按WS→$/mt→change的顺序排列第一层，第二层按原始shortCode的顺序排列（比如TC2在前，TC5在后）

示例对比 #

原始DataFrame：

处理后得到的期望结果：

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