如何重新排列Pandas嵌套DataFrame列，将'region_sea'置于'region_inland'之前？

问题场景 #

通过pivot_table生成的DataFrame带有嵌套（多层）列结构：顶层列是count和income，底层列是region_inland和region_sea。需要将底层列中的region_sea调整到region_inland之前。

原始生成代码：

import pandas as pd

df = pd.DataFrame( {'state': ['WA', 'CA', 'NY', 'NY', 'CA', 'CA', 'WA' ]
                    , 'region': ['region_sea', 'region_inland', 'region_sea', 'region_inland', 'region_sea', 'region_sea', 'region_inland',]
                    , 'count': [1, 3, 4, 6, 7, 8, 4]
                    , 'income': [100, 200, 300, 400, 600, 400, 300]
                   }
                 )

df = df.pivot_table(index='state', columns='region', values=['count', 'income'], aggfunc={'count': 'sum', 'income': 'mean'})

尝试过以下无效代码：

df[['count']]['region_sea', 'region_inland']

解决方案 #

方法1：重新构造多层列索引并重新索引 #

直接定义目标列的层级顺序，通过reindex调整整个DataFrame的列顺序：

# 构造目标多层列索引：顶层保留count、income，底层按region_sea、region_inland排序
new_columns = pd.MultiIndex.from_product([['count', 'income'], ['region_sea', 'region_inland']])
# 重新索引列
df = df.reindex(columns=new_columns)

方法2：分顶层列调整后合并 #

针对每个顶层列（count和income）单独调整底层列顺序，再通过pd.concat合并：

# 分别调整count和income下的region顺序
count_part = df['count'][['region_sea', 'region_inland']]
income_part = df['income'][['region_sea', 'region_inland']]
# 合并两部分
df = pd.concat([count_part, income_part], axis=1)

原代码无效原因 #

1. df[['count']]返回的是仅包含count顶层列的DataFrame，无法直接通过['region_sea', 'region_inland']索引底层列，正确写法应为df['count'][['region_sea', 'region_inland']]；
2. 原代码仅处理了count列，未覆盖income列，无法实现整体列顺序调整。

内容的提问来源于stack exchange，提问作者cget