在尊重其索引结构的同时对多索引进行排序

Question

如何在尊重级别组织的同时对多索引数据框进行排序？

例如，给定以下内容df，假设我们根据C （例如降序）对其进行排序：

                   C         D  E
A    B                           
bar  one   -0.346528  1.528538  1
     three -0.136710 -0.147842  1
flux six    0.795641 -1.610137  1
     three  1.051926 -1.316725  2
foo  five   0.906627  0.717922  0
     one   -0.152901 -0.043107  2
     two    0.542137 -0.373016  2
     two    0.329831  1.067820  1

我们应该得到：

                   C         D  E
A    B                           
bar  three -0.136710 -0.147842  1
     one   -0.346528  1.528538  1
flux three  1.051926 -1.316725  2
     six    0.795641 -1.610137  1
foo  five   0.906627  0.717922  0
     two    0.542137 -0.373016  2
     two    0.329831  1.067820  1
     two   -0.152901 -0.043107  2

请注意，我所说的“尊重其索引结构”是指在不改变更高级别索引的顺序的情况下对数据帧的叶子进行排序。换句话说，我想对第二级进行排序，同时保持第一级的顺序不变。

按升序做同样的事情怎么样？

我读了这两个线程（是的，标题相同）：

• Pandas 中的多索引排序
• Pandas 中的多索引排序

但它们根据不同的标准（例如索引名称或组中的特定列）对数据框进行排序。

Answer 1

.reset_index，然后排序依据列A和C再设置索引后退; 这将比早期的groupby解决方案更有效：

>>> df.reset_index().sort(columns=['A', 'C'], ascending=[True, False]).set_index(['A', 'B'])
                C      D  E
A    B                     
bar  three -0.137 -0.148  1
     one   -0.347  1.529  1
flux three  1.052 -1.317  2
     six    0.796 -1.610  1
foo  five   0.907  0.718  0
     two    0.542 -0.373  2
     two    0.330  1.068  1
     one   -0.153 -0.043  2

较早的解决方案：.groupby(...).apply相对较慢，并且可能无法很好地扩展：

>>> df['arg-sort'] = df.groupby(level='A')['C'].apply(pd.Series.argsort)
>>> f = lambda obj: obj.iloc[obj.loc[::-1, 'arg-sort'], :]
>>> df.groupby(level='A', group_keys=False).apply(f)
                C      D  E  arg-sort
A    B                               
bar  three -0.137 -0.148  1         1
     one   -0.347  1.529  1         0
flux three  1.052 -1.317  2         1
     six    0.796 -1.610  1         0
foo  five   0.907  0.718  0         1
     two    0.542 -0.373  2         2
     two    0.330  1.068  1         0
     one   -0.153 -0.043  2         3