Pandas DataFrame列排列异常，如何取消默认排序调整自定义列顺序

列顺序异常确实是pandas默认排序机制导致的：groupby方法默认sort=True，会对所有分组键按字典序排序。年龄分段字符串56-65 years的首字母排序优先级低于Gender、SEC字段的取值首字母，因此unstack生成多级列之后，该列会被排到所有列的末尾。

方案1：关闭groupby默认排序 #

如果只需要保留原始数据中取值的出现顺序，直接在groupby参数中添加sort=False即可，修改后代码如下：

cols=['Gender','QAge_Post','SEC']
q2=(nb.melt(id_vars='Center_Name',value_vars=cols)
   .groupby([pd.Grouper(key='Center_Name'),'variable','value'], sort=False) # 新增sort=False参数
   .size()
   .unstack(level=[1,2],fill_value=0))
# 先排好列再插入汇总列，避免Total被后续操作打乱
q2.insert(0, 'Total', q2['Gender'].sum(axis=1))
q2.to_excel('Basic.xlsx')

方案2：手动指定列顺序（更稳定，推荐） #

如果需要严格固定各字段取值的顺序（比如年龄分段必须按从小到大排列），可以手动定义顺序后重索引列，不受原始数据顺序影响：

cols=['Gender','QAge_Post','SEC']
q2=(nb.melt(id_vars='Center_Name',value_vars=cols)
   .groupby([pd.Grouper(key='Center_Name'),'variable','value'])
   .size()
   .unstack(level=[1,2],fill_value=0))

# 自定义各字段的取值顺序，按你实际的取值调整即可
order_config = {
    'Gender': ['男', '女'],
    'QAge_Post': ['18-25 years', '26-35 years', '36-45 years', '46-55 years', '56-65 years', '65+ years'],
    'SEC': ['A', 'B', 'C', 'D', 'E']
}

# 生成按要求排序的列名列表
sorted_cols = []
for var in cols:
    for val in order_config[var]:
        if (var, val) in q2.columns:
            sorted_cols.append((var, val))

# 重排列
q2 = q2.reindex(columns=sorted_cols)

# 插入汇总列
q2.insert(0, 'Total', q2['Gender'].sum(axis=1))
q2.to_excel('Basic.xlsx')

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