如何调整Pandas pivot_table的行列排序，匹配原DataFrame顺序

要让透视表的行列完全匹配原DataFrame的顺序，核心是利用**pandas分类类型（Categorical）**锁定标签的原始顺序，避免pivot_table默认的排序行为。具体步骤如下：

1. 锁定week_day的原始顺序 #

原DataFrame中week_day的顺序是固定的（Freitag → Samstag → Sonntag → Montag → Dienstag → Mittwoch → Donnerstag），直接提取原数据中唯一值的顺序转为分类类型：

# 提取原df中week_day的唯一顺序
week_day_order = df['week_day'].unique()
# 转换为分类类型，指定顺序
df['week_day'] = pd.Categorical(df['week_day'], categories=week_day_order, ordered=True)

2. 锁定calendar_week的时间顺序 #

原DataFrame已经按自然时间升序排列，直接提取calendar_week的唯一值即可得到正确的时间顺序，转为分类类型：

# 提取原df中calendar_week的唯一时间顺序
calendar_order = df['calendar_week'].unique()
# 转换为分类类型，指定顺序
df['calendar_week'] = pd.Categorical(df['calendar_week'], categories=calendar_order, ordered=True)

3. 生成透视表 #

此时再执行透视表，行列会严格遵循分类类型定义的原始顺序，不会出现排序混乱：

df_pivot = pd.pivot_table(df, values=['alpha1'], index=['week_day'], columns=['calendar_week'])

完整代码示例 #

import pandas as pd

# 假设你的df已经加载完成
# 锁定week_day顺序
week_day_order = df['week_day'].unique()
df['week_day'] = pd.Categorical(df['week_day'], categories=week_day_order, ordered=True)

# 锁定calendar_week时间顺序
calendar_order = df['calendar_week'].unique()
df['calendar_week'] = pd.Categorical(df['calendar_week'], categories=calendar_order, ordered=True)

# 生成透视表
df_pivot = pd.pivot_table(df, values=['alpha1'], index=['week_day'], columns=['calendar_week'])

原理说明 #

pivot_table默认会对行/列标签进行字典序排序，而分类类型（Categorical）可以强制pandas保留我们指定的顺序，完全规避字符串格式不一致导致的排序问题——不管calendar_week是跨月格式还是单月格式，只要原DataFrame的顺序正确，分类类型就能完美继承这个顺序。

内容的提问来源于stack exchange，提问作者codyLine