多级索引DataFrame排序未遵循分类索引顺序问题

嘿，我懂你遇到的这个坑——明明把多级索引的第二级改成了有序分类，跑df.sort_index()后还是没按One→Two→Three→Four的预期顺序来，单级索引这么操作就好好的，简直离谱对吧？

问题出在哪？ #

核心原因是：多级索引里，只改levels（层级的可选值集合）没用，还得同步更新codes（每个索引位置对应的层级值编码）。你之前的操作只更新了levels，但原来的codes还是对应旧的字母排序逻辑（比如'Four'的编码比'Three'小），所以排序的时候还是按旧编码来，自然达不到你要的效果。

靠谱的解决方法 #

给你两种实用方案，按需选：

方案1：从源头设置分类索引

最省心的方式是在创建DataFrame时就把B列设为有序分类，这样后续设置多级索引后排序直接生效：

import pandas as pd

# 先把B列定义为有序分类
df = pd.DataFrame(
    {'A':[1,1,2,2],
     'B':pd.Categorical(
         ['One','Two','Three', 'Four'], 
         categories=['One','Two','Three', 'Four'], 
         ordered=True
     ), 
     'X':[1,2,3,4]}
).set_index(['A','B']).sort_index()

print(df)

输出直接就是预期的排序：

X
A B       
1 One    1
  Two    2
2 Three  3
  Four   4

方案2：修改已有的多级索引

如果已经有现成的DataFrame，不想重新构建，可以提取第二级索引转为分类后重新设置：

# 提取第二级索引，转为指定顺序的有序分类
b_categorical = pd.Categorical(
    df.index.get_level_values(1),
    categories=['One','Two','Three', 'Four'],
    ordered=True
)

# 重新设置多级索引
df = df.set_index([df.index.get_level_values(0), b_categorical])

# 现在排序就正常了
df.sort_index()

为啥原来的方法不行？ #

再给你掰扯清楚：你用df.index.set_levels()的时候，只是把层级的可选值换成了分类，但每个索引位置对应的编码没改——比如原来字母排序下，'Four'的编码是0，'Three'是1。修改levels后编码还是0和1，所以排序时还是会把编码小的'Four'放在'Three'前面。而重新设置索引时，会根据新的分类规则生成正确的编码，这样sort_index就会按照你指定的分类顺序来排啦。

内容的提问来源于stack exchange，提问作者Ymareth