Pandas中的多重索引排序

Question

我有一个带有多级索引的 Pandas 数据框，我想根据特定列中的值对其进行排序。我的数据集如下：

    Group1    Group2
    A B C     A B C
1   1 0 3     2 5 7
2   5 6 9     1 0 0
3   7 0 2     0 3 5 

我想按照Group 1列中的C值，将所有数据和索引降序排序，使我的结果如下：

   Group1    Group2
   A B C     A B C
2  5 6 9     1 0 0
1  1 0 3     2 5 7
3  7 0 2     0 3 5 

使用我现有数据的结构，是否可能进行此排序操作？或者应该将 Group1 转移到索引侧边进行操作？

- MattB

Answer 1

在按MultiIndex排序时，您需要将描述列的元组包含在列表中*：

In [11]: df.sort_values([('Group1', 'C')], ascending=False)
Out[11]: 
  Group1       Group2      
       A  B  C      A  B  C
2      5  6  9      1  0  0
1      1  0  3      2  5  7
3      7  0  2      0  3  5

为了避免混淆pandas认为你想先按Group1排序，再按C排序。

---

注意：原本使用 .sort，但自0.20版本起被弃用并删除，建议使用.sort_values。

- Andy Hayden

Answer 2

1. 你可以通过索引列来进行排序（例如按照第三列等）。此外，你不需要使用方括号，因此可以使用元组来索引列。

   # 按照第三列降序排序
   df.sort_values(('Group1', 'C'), ascending=False)
   
   df.sort_values(df.columns[2], ascending=False)   # 与上述代码相同
   

   

2. 如果你想按照多个列进行排序，则可以使用元组的列表（或直接索引列）。也可以将一个列表传递给 ascending 参数，以选择是否对该列进行升序排序。

   # 按照 (Group1, B) 降序排序和 (Group1, A) 升序排序
   df.sort_values(by=[('Group1', 'B'), ('Group1', 'A')], ascending=[False, True])
   
   df.sort_values(df.columns[[1, 0]].tolist(), ascending=[False, True])
   

   

3. 如果你想要对一个多级索引的数据框进行排序，可以使用 sort_index。例如，如果你想按照第二级降序排序并按照第一级升序排序：

   # 通过名称选择级别
   df.sort_index(level=['Name', 'Groups'], ascending=[True, False])
   
   # 通过索引选择级别（即使索引没有名称也可以使用）
   df.sort_index(level=[1, 0], ascending=[True, False])
   

   

- cottontail