Pandas分组排序导致索引重复

Question

我有一个如下格式的pandas数据框：

           C1        C2
A 0  1.764052  0.400157
  1  0.978738  2.240893
  2  1.867558 -0.977278
  3  0.950088 -0.151357
  4 -0.103219  0.410599
C 0  0.144044  1.454274
  1  0.761038  0.121675
  2  0.443863  0.333674
  3  1.494079 -0.205158
  4  0.313068 -0.854096

它是由这段代码生成的：

import pandas as pd
import numpy as np
idx = pd.MultiIndex.from_product([['A','C'],range(5)])
np.random.seed(0)
df = pd.DataFrame(index=idx, data = np.random.randn(len(idx), 2), columns=['C1','C2'])

我想要分别按照第一索引级别中的每个组，按照列 C1 进行排序，因此我使用了 groupby 函数：

df.groupby(level=0).apply(lambda x: x.sort_values('C1'))

然后我得到了结果：

             C1        C2
A A 4 -0.103219  0.410599
    3  0.950088 -0.151357
    1  0.978738  2.240893
    0  1.764052  0.400157
    2  1.867558 -0.977278
C C 0  0.144044  1.454274
    4  0.313068 -0.854096
    2  0.443863  0.333674
    1  0.761038  0.121675
    3  1.494079 -0.205158

为什么第一级重复？在每个组内部有更好的排序数据的方法吗？

- motam79

Answer 1

您需要在groupby中添加参数group_keys=False：

a = df.groupby(level=0, group_keys=False).apply(lambda x: x.sort_values('C1'))
print (a)
           C1        C2
A 4 -0.103219  0.410599
  3  0.950088 -0.151357
  1  0.978738  2.240893
  0  1.764052  0.400157
  2  1.867558 -0.977278
C 0  0.144044  1.454274
  4  0.313068 -0.854096
  2  0.443863  0.333674
  1  0.761038  0.121675
  3  1.494079 -0.205158

- jezrael

---

这个函数解决了我的问题，但我不太确定为什么。在某些情况下，pandas没有进行任何分组，但是在尝试更大的数据集时它做到了。无论如何，感谢您提供的解决方案！ - Charles Naccio

Answer 2

您可以按列C1排序，然后按0级别对索引进行排序。您必须将sort_remaining参数指定为False，以便多级索引数据框正常工作：

df.sort_values('C1').sort_index(level = 0, sort_remaining=False)

- Psidom