如何按Pandas DataFrame的MultiIndex和值排序？按src升序、sum降序

嘿，作为Pandas初学者能想到要结合sort_index()和sort_values()来解决这个问题，已经找对方向啦！刚好这个需求确实需要两者配合，我给你一步步拆解操作，再用示例帮你理解👇

先构造一个和你场景匹配的示例数据 #

假设你通过groupby()得到的二级MultiIndex DataFrame是这样的（src是第一级索引，dest是第二级）：

import pandas as pd

# 模拟原始数据
data = {
    'src': ['A', 'A', 'B', 'B', 'C', 'C'],
    'dest': ['X', 'Y', 'X', 'Y', 'X', 'Y'],
    'sum': [10, 20, 5, 15, 25, 18]
}
df = pd.DataFrame(data)

# 生成二级MultiIndex的分组结果（和你的场景一致）
grouped_df = df.groupby(['src', 'dest']).sum()

此时grouped_df的结构是：

sum
src dest     
A   X      10
    Y      20
B   X       5
    Y      15
C   X      25
    Y      18

实现「src升序、每个src下sum降序」的排序 #

这里有两种高效的实现方式，你可以根据习惯选择：

方法一：先分组内排序，再统一索引排序 #

先对每个src分组单独按sum降序排序，再强制src整体升序：

# 按src分组，每个组内按sum降序排列（group_keys=False避免额外添加分组键）
group_sorted = grouped_df.groupby(level='src', group_keys=False).apply(
    lambda x: x.sort_values('sum', ascending=False)
)

# 确保src整体按升序排列（sort_remaining=False保留组内的排序结果）
final_sorted = group_sorted.sort_index(level='src', ascending=True, sort_remaining=False)

方法二：先全局按sum降序，再按src升序锁定分组 #

先把所有行按sum降序排好，再只对src这一级索引升序排序，同时保留组内的顺序：

# 先按sum列全局降序排序
sorted_by_sum = grouped_df.sort_values('sum', ascending=False)

# 仅对src索引升序排序，不改变组内的顺序（关键参数sort_remaining=False）
final_sorted = sorted_by_sum.sort_index(level='src', ascending=True, sort_remaining=False)

最终预期结果 #

两种方法得到的结果一致，都是每个src升序排列，且每个src下的行按sum从大到小排列：

sum
src dest     
A   Y      20
    X      10
B   Y      15
    X       5
C   X      25
    Y      18

关键知识点解释 #

• level='src'：指定只针对MultiIndex中的src这一级进行操作
• sort_remaining=False：这是核心参数，意思是只排序指定的索引级别，不改变其他级别（比如这里的dest）的相对顺序，这样就能保证每个src分组内的sum排序不会被打乱
• groupby(level='src').apply(...)：针对每个src分组单独执行排序逻辑，适合需要对分组做更复杂操作的场景

内容的提问来源于stack exchange，提问作者Serge