Pandas中MultiIndex的自定义排序方案

我完全理解你的困扰——字符串排序的规则确实会把所有负号开头的索引挤在一起，破坏了你需要的-##, ##成对顺序。这里有两个通用的解决方案，不管你的数据集里有多少对这样的索引，都能适用：

方法1：用自定义排序键对索引排序 #

这种方法直接利用sort_index的key参数，通过构造排序规则来实现先按绝对值分组，再让负数排在正数前面：

import pandas as pd

# 假设你的数据集是df
# 提取Level 0的索引值，转为整数方便计算
level0_values = df.index.get_level_values(0).astype(int)

# 构造排序键：先按绝对值排序（保证同组的数在一起），再按是否为正数排序（负数在前）
sort_keys = (abs(level0_values), level0_values > 0)

# 对Level 0应用自定义排序键，完成排序
df_sorted = df.sort_index(level=0, key=lambda x: sort_keys)

原理说明： #

• astype(int)把字符串格式的索引转成整数，这样能正确计算绝对值和判断正负；
• 排序键的第一个元素是绝对值，确保相同数字的正负版本被分到一组；
• 第二个元素是布尔值（正数为True即1，负数为False即0），所以负数会排在同组正数的前面。

方法2：先构造目标顺序再重新索引 #

如果你更倾向于先明确目标索引顺序，再对齐数据集，可以用这种方法：

# 获取Level 0的所有唯一值，转为整数
unique_level0 = df.index.get_level_values(0).unique().astype(int)

# 按绝对值从小到大排序，然后生成[-val, val]的成对顺序
sorted_level0 = []
for num in sorted(set(abs(x) for x in unique_level0)):
    sorted_level0.append(str(-num))
    sorted_level0.append(str(num))

# 按照目标顺序重新索引数据集
df_sorted = df.reindex(sorted_level0, level=0)

原理说明： #

• 先提取所有唯一的Level 0值，通过绝对值去重后排序，确保每组数按从小到大的顺序处理；
• 逐个生成-num和num的字符串形式，拼接成你需要的成对顺序；
• 用reindex直接把数据集对齐到目标顺序，简单直观。

这两种方法都不需要硬编码具体的索引值，完全通用，不管你的数据集里是-67,67还是-100,100这类成对索引，都能正确排序。如果你的MultiIndex还有其他Level，排序只会调整Level 0的顺序，不会影响其他Level的原有结构。

内容的提问来源于stack exchange，提问作者user2109046