如何按自定义参考列表对Pandas多级索引DataFrame的指定层级排序

解决方法 #

你可以通过将指定索引层级转换为有序分类类型，再调用sort_index实现自定义顺序排序，具体实现如下：

import pandas as pd
import numpy as np
import re

# 原有复现代码
arrays = [["mylevelA_caseA__VAR_A", "mylevelA_caseC__VAR_B", "mylevelA_caseC__VAR_A",
           "mylevelA_caseB__VAR_B", "mylevelA_caseA__VAR_C", "mylevelA_caseB__VAR_C_D",
           "mylevelA_caseC__VAR_E", "mylevelA_caseD__VAR_A"],
          ["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
  ["one", "two", "one", "two", "one", "two", "one", "two"]]

df = pd.DataFrame(np.random.randn(8, 2), index=arrays,columns=['col1','col2'])
df.index = pd.MultiIndex.from_tuples([re.split('__?',e[0], maxsplit=2)+list(e)
                                      for e in df.index])

# 自定义排序顺序
order_list = ['caseC', 'caseB', 'caseD', 'caseA']

# 第一步：先按列值排序
df = df.sort_values(df.columns.tolist())

# 第二步：将指定索引层级（case所在的level=1）转换为有序分类，顺序匹配order_list
df.index = df.index.set_levels(
    pd.Categorical(df.index.levels[1], categories=order_list, ordered=True),
    level=1
)

# 第三步：按指定层级排序，sort_remaining=False保留同一case下的原有顺序
df = df.sort_index(level=1, sort_remaining=False)

实现原理 #

• 核心逻辑利用pandas分类数据的顺序特性，pd.Categorical的categories参数直接定义排序优先级，sort_index会自动遵循分类的预设顺序排序，不需要依赖升降序参数。
• sort_remaining=False保证同一case分组下的行顺序，和sort_values得到的顺序保持一致，符合需求。

内容的提问来源于stack exchange，提问作者rpb