Python中如何调整MultiIndex多层索引DataFrame的行顺序？

针对无法预先修改原有DataFrame结构，仅调整MultiIndex行顺序的需求，直接使用reindex方法即可实现，不需要改动原数据结构。
核心操作逻辑如下：

• 构造你需要的目标顺序MultiIndex对象
• 调用原DataFrame的reindex方法传入目标索引，得到排序后的新对象

对应示例的实现代码 #

import pandas as pd

# 示例原数据构造
index1 = [("x","1"), ("x","3"), ("x","5"), ("y","1"), ("y","3")]
data = pd.DataFrame(index = pd.MultiIndex.from_tuples(index1), columns = ["A","B"])
data.loc[("x","sum"),:] = [19,10]

# 构造目标顺序的MultiIndex
index2 = [("x","1"), ("x","3"), ("x","5"), ("x","sum"), ("y","1"), ("y","3")]
target_index = pd.MultiIndex.from_tuples(index2)

# 重排得到目标格式DataFrame
data_sorted = data.reindex(target_index)

灵活批量排序方案 #

如果不想手动枚举所有索引元组，可以指定每一层的排序规则自动构造目标索引：

# 分别指定一级、二级索引的排序规则
level1_order = ["x", "y"]
level2_order = ["1", "3", "5", "sum"]

# 自动生成目标索引，自动过滤原数据中不存在的索引组合
target_index = pd.MultiIndex.from_product([level1_order, level2_order]).intersection(data.index)
data_sorted = data.reindex(target_index)

说明 #

• 该方法不会修改原DataFrame的任何结构和数据，仅返回新的排序后对象
• 若目标索引包含原数据不存在的行，默认会返回空值行，可通过reindex的fill_value参数自定义填充值，或提前用intersection方法取索引交集过滤不存在的项

内容的提问来源于stack exchange，提问作者Manuel K