使用groupby和mean时如何保持DataFrame列顺序不变？

问题场景 #

使用groupby结合mean聚合时，结果的Series索引（对应原DataFrame的列）会被自动排序，无法匹配原DataFrame的列顺序。

示例代码 #

import pandas as pd
df = pd.DataFrame({'f':[[1,2,30],[4,2,7]],'o':[[1,4,5],[7,1,3]],'e':[[6,7,4],[4,5,7]]})

当前代码与输出 #

执行以下代码：

df.stack().str[1].groupby(level=1).mean()

得到排序后的输出：

e    6
f    2
o    2.5
dtype: float64

期望输出 #

保持原DataFrame的列顺序f→o→e：

f    2
o    2.5
e    6
dtype: float64

解决方案 #

方法1：groupby时设置sort=False

groupby默认参数sort=True会对分组键排序，设置为sort=False后，分组将按照分组键首次出现的顺序聚合，而stack操作中列名的首次出现顺序与原DataFrame完全一致：

df.stack().str[1].groupby(level=1, sort=False).mean()

方法2：用原DataFrame列名重新索引结果

如果已经得到聚合结果，可通过reindex方法传入原DataFrame的列名，强制恢复原始列顺序：

result = df.stack().str[1].groupby(level=1).mean()
result = result.reindex(df.columns)

内容的提问来源于stack exchange，提问作者user15649753