Question

在Pandas 0.17中，我尝试按特定列排序，同时保持层次索引（A和B）。 B是通过串联设置数据帧时创建的运行编号。我的数据如下：

          C      D
A   B
bar one   shiny  10
    two   dull   5
    three glossy 8
foo one   dull   3
    two   shiny  9
    three matt   12

这就是我需要的：

          C      D
A   B
bar two   dull   5
    three glossy 8
    one   shiny  10
foo one   dull   3
    three matt   12
    two   shiny  9

以下是我使用的代码和结果。注意：Pandas 0.17会警告dataframe.sort将被弃用。

df.sort_values(by="C", ascending=True)
          C      D
A   B
bar two   dull   5
foo one   dull   3
bar three glossy 8
foo three matt   12
bar one   shiny  10
foo two   shiny  9

添加.groupby会产生相同的结果：

df.sort_values(by="C", ascending=True).groupby(axis=0, level=0, as_index=True)

同样，首先切换到排序索引，然后按列分组并不富有成效：

df.sort_index(axis=0, level=0, as_index=True).groupby(C, as_index=True)

我不确定重建索引我需要保留第一个索引A，第二个索引B可以重新分配，但不必。如果没有简单的解决方案，我会感到惊讶;我想我只是找不到它。任何建议都表示赞赏。

编辑：在此期间我删除了第二个索引B，将第一个索引A重新分配为一列而不是一个排序多列的索引，然后重新索引它：

df.index = df.index.droplevel(1)
df.reset_index(level=0, inplace=True)
df_sorted = df.sort_values(["A", "C"], ascending=[1,1]) #A is a column here, not an index.
df_reindexed = df_sorted.set_index("A")

仍然非常冗长。

Answer 1

感觉可能有更好的方法，但这是一种方法：

In [163]: def sorter(sub_df):
     ...:     sub_df = sub_df.sort_values('C')
     ...:     sub_df.index = sub_df.index.droplevel(0)
     ...:     return sub_df

In [164]: df.groupby(level='A').apply(sorter)
Out[164]: 
                C   D
A   B                
bar two      dull   5
    three  glossy   8
    one     shiny  10
foo one      dull   3
    three    matt  12
    two     shiny   9

Answer 2

基于chrisb的代码：

请注意，在我的情况下，它是一个Series而不是DataFrame，

s.groupby(level='A', group_keys=False).apply(lambda x: x.sort_values(ascending=False))

Python Pandas按多索引和列排序

2 个答案: