如何实现Pandas DataFrame MultiIndex多层级自定义排序

你之前的自定义排序在第二个层级失效，本质是对sort_index的key参数的工作机制存在误解：

• key函数的输入，是对应索引层级上、和当前DataFrame行顺序完全对齐的原始值序列
• 要求key的返回值必须和输入长度完全一致、逐位置一一对应，返回值是每个位置元素对应的排序权重，供pandas全局匹配行的先后顺序
• 你之前的do_sort实现，是把传入的整个序列做全局重排后返回新的索引对象，直接打乱了逐行对应的映射关系，因此只有第一层级的排序能偶然符合预期，第二层级的权重值已经和行位置完全错位，自然无法达到预期效果。

方案一：修正key函数的返回逻辑 #

你原本定义的low/medium/high排序权重映射逻辑是完全正确的，只需要调整key函数的返回内容，不要做全局重排，只做逐元素的权重映射即可：

def do_sort(s):
    # 定义排序权重，数值越小排序优先级越高
    mapping = {
        'low': 0,
        'medium': 1,
        'high': 2
    }
    # 逐元素映射为权重值，保持和输入s等长、位置完全对齐
    return s.map(mapping)

调用排序时，直接指定要排序的两个索引层级即可：

sorted_data = data.sort_index(
    level=['score', 'grade'],
    key=do_sort
)

执行后得到的结果会严格遵循你要的排序规则：

• 所有score=low的行排在最前面，组内按照grade的low、medium、high顺序排列
• 后续依次是score=medium的行，组内同样按grade的自定义顺序排列
• 最后是score=high的行，组内按grade的自定义顺序排列

方案二：使用有序分类索引 #

这是Pandas处理自定义离散值排序的推荐原生方式，一旦设置完成，后续所有涉及索引的排序、分组操作都会自动遵循定义的顺序，不需要每次重复传入自定义逻辑：

# 定义全局统一的排序优先级
priority_order = ['low', 'medium', 'high']

# 将两个索引层级都转换为有序分类类型
data.index = data.index.set_levels(
    [pd.Categorical(level, categories=priority_order, ordered=True) for level in data.index.levels],
    level=[0, 1]
)

# 直接调用默认排序即可，无需额外传key
sorted_data = data.sort_index()

注意：如果你的两个索引层级的取值范围不完全一致，也可以分别为两个层级定义独立的优先级列表，逻辑是完全相同的。

内容的提问来源于stack exchange，提问作者Jane Wayne