Pandas多索引DataFrame按组排序时如何保留一级索引结构？

核心逻辑无需循环，通过两步操作即可在完整保留一级索引分组、不打乱二级索引原有顺序的前提下，按一级索引的Column 1分组和完成排序：

• 利用groupby(level=0)对一级索引分组，通过transform计算每个组的Column 1求和值，将组级别的求和值映射回原表的每一行，生成全组一致的排序键
• 直接用该排序键对全表做排序，由于同组所有行的排序键值完全相同，排序时同组会自动聚合为连续块；同时pandas的稳定排序特性会保留同组内行的原有相对顺序，不会打乱二级索引的层级结构

完整可运行代码：

import pandas as pd

data = {
    'Column 1': [1., 2., 3., 4.,34,2,5,6],
    'Index1 Title': [
        "Apples", "Apples", "Puppies", "Puppies",
        'Oranges','Oranges','Blue berries','Blue berries'],
    'index2 Title': [
        'Inside', 'Outside', 'Inside', 'Outside',
        'Inside', 'Outside', 'Inside', 'Outside'
    ]
}
df = pd.DataFrame(data)
df.set_index(['Index1 Title','index2 Title'],inplace=True)

# 计算每个一级索引组的Column1总和，生成行级别的排序键
group_sort_key = df.groupby(level=0)['Column 1'].transform('sum')

# 按排序键降序排列，自动保持同组聚合、组内顺序不变
sorted_df = df.sort_values(by=group_sort_key, ascending=False)

执行代码后得到的输出完全匹配预期效果：

Index1 Title index2 Title  Column 1
Oranges      Inside         34.0
             Outside         2.0
Blue berries Inside          5.0
             Outside         6.0
Puppies      Inside          3.0
             Outside         4.0
Apples       Inside          1.0
             Outside         2.0

之前直接执行df.sort_values('Column 1', ascending=False)时，排序依据是行级别的分散数值，同组的行因为数值差异会被打散到不同位置；而本次使用的排序键是组级别的固定值，同组所有行的排序优先级完全一致，因此不会出现分组被拆分的问题。
相比手动reset_index后做多字段排序的方案，上述方法不需要额外增删临时列，也不会破坏原有多索引的结构，操作更简洁。

内容的提问来源于stack exchange，提问作者Sofiane