对多索引数据框的列进行排序答案

【问题标题】：Sorting columns of multiindex dataframe对多索引数据框的列进行排序
【发布时间】：2019-10-24 22:45:47
【问题描述】：

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，并将值保持在每列中，以获得以下所需的输出：

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

.. 表示来自原始数据帧的值。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'])
)

【问题讨论】：

sort_index(level=0, axis=1)?

标签： pandas python-3.5

【解决方案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

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])

【讨论】：

如何修改上述代码，使其按“B2 B5 B3”级别升序排序“A1 A2 A2 A1 Z2 C1”降序排列？我不想为此开始另一个帖子。
这样做是为了避免创建新的数据框，只专注于对索引本身进行排序。 df.columns = df.columns.sort_values(ascending=[True, False])
@piRSquared 是真的 :-)
我总是对你们解决复杂问题的聪明方法很感兴趣 :)
我不确定@piRSquared 解决方案是否有效。您原来的解决方案确实有效。