对多索引数据框的列进行排序

Question

我有一个非常大的多索引数据框，大约有 500 列，每列有 2 个子列。

数据框 df 看起来像：

                  B2                  B5             B3
bkt              A1      A2           A2      A1     Z2      C1
Date                                                                        
2019-06-11       0.8     0.2          -6.0    -0.8   -4.1    -0.6    
2019-06-12       0.8     0.2          -6.9    -1.6   -5.3    -1.2    

df.columns
MultiIndex(levels=[['B2', 'B5', 'B3', .....], ['A1', 'A2' ......]],
           labels=[[1, 1, ....], [1, 0, ....]],
           names=[None, 'bkt'])

我正在尝试仅对列名进行排序并保持每列中的值以获得以下所需输出：

                 B2                  B3             B5
bkt              A1      A2          C1      Z2     A1      A2
Date                                                                        
2019-06-11       ..
2019-06-12       ..

.. 表示原始数据帧中的值。我只是没有重新输入它们。

设置

df = pd.DataFrame([
    [.8, .2, -6., -.8, -4.1, -.6],
    [.8, .2, -6.9, -1.6, -5.3, -1.2]
],
    pd.date_range('2019-06-11', periods=2, name='Date'),
    pd.MultiIndex.from_arrays([
        'B2 B2 B5 B5 B3 B3'.split(),
        'A1 A2 A2 A1 Z2 C1'.split()
    ], names=[None, 'bkt'])
)

Answer 1

使用 sort_index 并将其分配回去

df.columns=df.sort_index(axis=1,level=[0,1],ascending=[True,False]).columns

并且从 piR 开始，我们不需要创建 df 的副本，只需对列进行修改

df.columns=df.columns.sort_values(ascending=[True, False])

Answer 2

这应该使用 sort_index 移动列名和数据来完成：

df.sort_index(axis=1, level=[0, 1], ascending=[True, False], inplace=True)

对多索引数据框的列进行排序

Sorting columns of multiindex dataframe

pandas

python-3.5

设置