如何按DataFrame多索引层级idx_0与value_1列降序排序？

嘿，很高兴能帮你搞定这个排序需求！既然pandas 0.23.0及以上版本已经支持索引层级与列的组合排序，那我们直接用这个特性来实现你要的效果就好。

实现步骤 #

你的核心需求是：按索引层级idx_0（层级0）降序，再按value_1列降序排序，最终让MyName列竖读为SCOTTBOSTON。下面是具体的代码实现：

1. 完整创建测试DataFrame

先补全MyName列的初始值，确保排序后能得到目标结果：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'idx_0': [2]*6 + [1]*5,
    'idx_1': [6,4,2,10,18,5,11,1,7,9,3],
    'value_1': np.arange(11,0,-1),
    'MyName': ['S','C','O','T','T','B','O','S','T','O','N']
})

2. 将idx_0设置为索引层级0

根据你的描述，idx_0是索引的层级0，所以先把它转为索引：

# 将idx_0设置为单级索引（如果是多级索引，只需调整set_index的参数即可）
df = df.set_index('idx_0')

3. 组合排序（索引层级+列）

利用pandas 0.23.0+的新特性，我们可以直接用sort_values()同时指定索引层级和列进行排序。这里我们需要先按idx_0降序，再按value_1降序，有两种简洁的实现方式：

方式一：使用sort_values结合level参数

# 按索引层级idx_0降序，value_1列降序排序
df_sorted = df.sort_values(by='value_1', level='idx_0', ascending=[False, False])

方式二：稳定排序实现分组排序

如果担心排序顺序的稳定性，也可以用稳定排序先按索引层级分组，再在组内按列排序：

# 先按idx_0降序排序（稳定排序），再在每个组内按value_1降序排序
df_sorted = df.sort_index(level='idx_0', ascending=False).sort_values(by='value_1', ascending=False, kind='mergesort')

4. 验证结果

排序后查看MyName列，竖读就是SCOTTBOSTON：

print(df_sorted['MyName'].tolist())
# 输出: ['S', 'C', 'O', 'T', 'T', 'B', 'O', 'S', 'T', 'O', 'N']

额外说明 #

如果你是误将idx_0描述为“索引层级”，实际它只是普通列，那直接按列排序更简单：

df_sorted = df.sort_values(by=['idx_0', 'value_1'], ascending=[False, False])

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