如何调整Pandas透视表列顺序，实现周数据降序排列

现有数据集如下：

user_id, login_date, num_events, login_week
101, 2022-09-07, 1, Week 36
101, 2022-09-06, 4, Week 36
101, 2022-08-31, 1, Week 35
102, 2022-08-26, 1, Week 34
102, 2022-08-27, 7, Week 34
102, 2022-09-07, 1, Week 36

当前使用以下代码生成透视表：

df = df.groupby(['login_week', 'user_id'])['num_events'].agg('sum').reset_index()
df = df.pivot(index=['user_id'], columns='login_week', values='num_events').reset_index()

得到的结果是周维度按升序排列：

user_id, Week 34, Week 35, Week 36
101, 0, 1, 5
102, 8, 0, 1

希望得到周维度按降序排列的结果（最新周在前）：

user_id, Week 36, Week 35, Week 34
101, 5, 1, 0
102, 1, 0, 8

解决方案 #

方法1：透视后调整列顺序

提取login_week中的数字部分，按数字降序排序后重新排列列：

# 生成透视表
df = df.groupby(['login_week', 'user_id'])['num_events'].sum().reset_index()
df_pivot = df.pivot(index=['user_id'], columns='login_week', values='num_events').reset_index()

# 提取周数并按降序排序列
sorted_weeks = sorted(df_pivot.columns[1:], key=lambda x: int(x.split(' ')[1]), reverse=True)
df_pivot = df_pivot[['user_id'] + sorted_weeks].fillna(0)

方法2：分组前先对周维度降序排序

利用groupby保留分组键顺序的特性，先按login_week的数字降序排序，再分组透视：

# 提取周数字并排序
df['week_num'] = df['login_week'].str.extract('(\d+)').astype(int)
df = df.sort_values('week_num', ascending=False).drop('week_num', axis=1)

# 分组透视
df = df.groupby(['login_week', 'user_id'])['num_events'].sum().reset_index()
df_pivot = df.pivot(index=['user_id'], columns='login_week', values='num_events').reset_index().fillna(0)

方法3：使用pivot_table简化操作

直接用pivot_table生成透视表，再调整列顺序：

df_pivot = df.pivot_table(index='user_id', columns='login_week', values='num_events', aggfunc='sum', fill_value=0).reset_index()
sorted_weeks = sorted(df_pivot.columns[1:], key=lambda x: int(x.split()[1]), reverse=True)
df_pivot = df_pivot[['user_id'] + sorted_weeks]

内容的提问来源于stack exchange，提问作者Kevin Nash