Pandas透视表列顺序错乱，如何按指定数值字段分组调整？

步骤1：将MES_C设为有序类别 #

先定义MES_C的正确排序规则（比如按月份先后），把它转换为有序类别，确保透视时列会遵循该顺序排列：

# 替换为你的MES_C实际正确顺序，支持数字或文本格式
mes_order = ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12']
valores['MES_C'] = pd.Categorical(valores['MES_C'], categories=mes_order, ordered=True)

步骤2：执行透视并调整列结构 #

执行透视操作后，根据当前列的层级结构做对应调整：

情况1：透视结果列层级为「数值字段 → MES_C」 #

直接对列索引排序即可，确保每个数值字段下的MES_C按指定顺序排列：

# 二选一执行透视
pivot_df = valores.pivot(index='MARCA', columns='MES_C', values=['CMC','CMV','VL_VENDAS'])
# pivot_df = pd.pivot_table(valores, values=['CMC','CMV','VL_VENDAS'], index='MARCA', columns='MES_C', aggfunc='first')

# 按列层级排序
pivot_df = pivot_df.sort_index(axis=1)

情况2：透视结果列层级为「MES_C → 数值字段」 #

先交换列的两个层级，把数值字段移到外层，再排序：

# 二选一执行透视
pivot_df = valores.pivot(index='MARCA', columns='MES_C', values=['CMC','CMV','VL_VENDAS'])
# pivot_df = pd.pivot_table(valores, values=['CMC','CMV','VL_VENDAS'], index='MARCA', columns='MES_C', aggfunc='first')

# 交换列层级并排序
pivot_df = pivot_df.swaplevel(axis=1).sort_index(axis=1)

最终效果 #

处理后，列的展示顺序会变为：先完整显示CMC的所有MES_C列（按定义顺序），接着是CMV的所有MES_C列，最后是VL_VENDAS的所有MES_C列，完全符合需求。

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