如何正确使用带有水平和轴参数的熊猫sort_index？

Question

bounty到期在6天内。该问题的答案有资格获得+ 100声望赏金。Alon想要引起更多关注对此问题。

关于此df：

               Amount                          type                 
Month_year 2019-06-01     2019-07-01     2019-06-01    2019-07-01   
TYPE_ID             1   2          1   2          1  2          1  2
ID                                                                  
100                20  10         40  20          1  1          2  1
200                80  60         30  10          2  2          1  1

以下代码：

df = df.sort_index(axis=1, level=[1,2])

产生此：

               Amount       type     Amount  ...       type     Amount       type
Month_year 2019-06-01 2019-06-01 2019-06-01  ... 2019-07-01 2019-07-01 2019-07-01
TYPE_ID             1          1          2  ...          1          2          2
ID                                           ...                                 
100                20          1         10  ...          2         20          1
200                80          2         60  ...          1         10          1

我真的不明白发生了什么。我已经读过the docs，但是没有示例，并且说明确实晦涩。

任何人都可以向我解释此方法如何工作以及如何收到此结果吗？

Answer 1

基本上是

[sort_index与axis=1一起对列标题进行排序，然后使用此顺序来设置列的顺序。

并且，推论，

[sort_index与axis=0一起对索引进行排序，然后使用此顺序来设置行的顺序。

---

这是您的输入df的样子：

上图中的前三个“行”对应于df的熊猫MultiIndex列，如下所示：

df.columns
MultiIndex([('Amount', '2019-06-01', 1),
            ('Amount', '2019-06-01', 2),
            ('Amount', '2019-07-01', 1),
            ('Amount', '2019-07-01', 2),
            (  'type', '2019-06-01', 1),
            (  'type', '2019-06-01', 2),
            (  'type', '2019-07-01', 1),
            (  'type', '2019-07-01', 2)])

假装您的3级multiIndex列被神奇地转换为DataFrame，每个级别都有其自己的称为cdf的列：

cdf
    level_0     level_1  level_2
(1)  Amount  2019-06-01        1
(2)  Amount  2019-06-01        2
(3)  Amount  2019-07-01        1
(4)  Amount  2019-07-01        2
(5)    type  2019-06-01        1
(6)    type  2019-06-01        2
(7)    type  2019-07-01        1
(8)    type  2019-07-01        2

这里的行号对应于原始DataFrame中的列标识符。让我们看看当我们按最后两列对cdf进行排序时会发生什么：

cdf.sort_values(['level_1', 'level_2'])

    level_0     level_1  level_2
(1)  Amount  2019-06-01        1
(5)    type  2019-06-01        1
(2)  Amount  2019-06-01        2
(6)    type  2019-06-01        2
(3)  Amount  2019-07-01        1
(7)    type  2019-07-01        1
(4)  Amount  2019-07-01        2
(8)    type  2019-07-01        2

注意已排序的cdf的索引：

(1) (5) (2) (6) (3) (7) (4) (8)

现在让我们看看将sort_values操作应用于df时会发生什么：

df.sort_index(level=[1, 2], axis=1)

中间的省略号表示不是所有的列都可以显示（实际上，第（6）和（3）列没有显示，但是它们在那里很多），但这不是有趣的部分。将此与cdf的顺序进行对比。