如何调整透视后Pandas DataFrame列顺序，按时间分组排列字段

问题描述 #

我正在使用以下Pandas代码：

import pandas as pd

data = [['01/07/2020', '21:30', 3176.5, 3195, 3176.5, 3192, 21116],
        ['01/07/2020', '22:00', 3192.25, 3193.25, 3184, 3192, 13472],
        ['01/07/2020', '22:30', 3192.25, 3193, 3188.25, 3192.75, 6104],
        ['01/07/2020', '23:00', 3192.75, 3194.5, 3190.75, 3191.25, 2704],
        ['01/07/2020', '23:30', 3191, 3191.5, 3188.75, 3189, 1663]]

# Create a DataFrame from the data list
df = pd.DataFrame(data, columns=['Date', 'Time', 'Open', 'High', 'Low', 'Close', 'Volume'])

# Pivot the DataFrame
pivoted_df = df.pivot(index='Date', columns='Time', values=['Open', 'High', 'Low', 'Close', 'Volume'])

print(pivoted_df)

当前代码输出如下：

Open                                       High                                      Low                                      Close                                     Volume
Time         21:30    22:00    22:30    23:00   23:30   21:30    22:00   22:30   23:00   23:30   21:30   22:00    22:30    23:00    23:30   21:30   22:00    22:30    23:00   23:30    21:30    22:00   22:30   23:00   23:30
Date
01/07/2020  3176.5  3192.25  3192.25  3192.75  3191.0  3195.0  3193.25  3193.0  3194.5  3191.5  3176.5  3184.0  3188.25  3190.75  3188.75  3192.0  3192.0  3192.75  3191.25  3189.0  21116.0  13472.0  6104.0  2704.0  1663.0

我希望将每个Time对应的Open、High、Low、Close（注：原文Last应为Close）、Volume列相邻排列，得到如下期望输出：

Date         21:30 Open  21:30 High  21:30 Low  21:30 Last  21:30 Volume  22:00 Open  22:00 High  22:00 Low  ...  23:00 High  23:00 Low  23:00 Last  23:00 Volume  23:30 Open  23:30 High  23:30 Low  23:30 Last  23:30 Volume
0    01/07/2020        3176.5      3195.0     3176.5      3192.0       21116.0     3192.25     3193.25     3184.0  ...      3194.5    3190.75     3191.25        2704.0      3191.0      3191.5    3188.75      3189.0        1663.0

请问是否可以实现这种列顺序调整？

解决方案 #

当然可以实现。你当前的透视表生成的是多层列索引（第一层为字段名，第二层为时间），只需调整列层级顺序、排序并合并列名即可达到目标：

完整代码实现 #

import pandas as pd

data = [['01/07/2020', '21:30', 3176.5, 3195, 3176.5, 3192, 21116],
        ['01/07/2020', '22:00', 3192.25, 3193.25, 3184, 3192, 13472],
        ['01/07/2020', '22:30', 3192.25, 3193, 3188.25, 3192.75, 6104],
        ['01/07/2020', '23:00', 3192.75, 3194.5, 3190.75, 3191.25, 2704],
        ['01/07/2020', '23:30', 3191, 3191.5, 3188.75, 3189, 1663]]

df = pd.DataFrame(data, columns=['Date', 'Time', 'Open', 'High', 'Low', 'Close', 'Volume'])

# 生成透视表
pivoted_df = df.pivot(index='Date', columns='Time', values=['Open', 'High', 'Low', 'Close', 'Volume'])

# 1. 交换列层级：将(字段, 时间)转为(时间, 字段)
pivoted_df = pivoted_df.swaplevel(axis=1)

# 2. 按时间+指定字段顺序排序列，确保每个时间下的字段顺序为Open/High/Low/Close/Volume
field_order = ['Open', 'High', 'Low', 'Close', 'Volume']
pivoted_df = pivoted_df.sort_index(
    axis=1,
    level=[0, 1],
    key=lambda x: x.map(lambda y: field_order.index(y) if y in field_order else float('inf'))
)

# 3. 合并列名，格式改为"时间 字段"，同时替换Close为Last匹配期望输出
pivoted_df.columns = [' '.join(col).replace('Close', 'Last') for col in pivoted_df.columns]

# 4. 重置索引，将Date从索引转为普通列
result_df = pivoted_df.reset_index()

print(result_df)

关键步骤说明 #

1. 交换列层级：通过swaplevel(axis=1)把原来的列层级从[字段, 时间]翻转成[时间, 字段]，让同一时间的字段自动归为一组。
2. 指定字段顺序排序：用sort_index配合自定义key，确保每个时间下的字段严格按照Open→High→Low→Close→Volume的顺序排列。
3. 合并列名：将多层列索引的两个层级拼接成一个字符串，同时把Close替换为Last以匹配你的期望输出格式。
4. 重置索引：把Date从行索引转换为普通列，和期望输出的结构完全一致。

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