Pandas 对多索引列中的值逐行重新排序

Question

我有以下多索引表：

A				B				C				D
t_1		t_2		t_1		t_2		t_1		t_2		t_1		t_2
x	y	x	y	x	y	x	y	x	y	x	y	x	y	x	y
2.2	5.1	3.4	1.8	1.5	6.7	8.1	7.5	6.1	2.1	9.3	7.1	8.2	1.1	1.4	2.5
7.9	3.2	1.1	5.3	9.3	3.1	0.9	3.2	4.1	5.1	7.7	4.3	8.1	0.4	2.4	4.1

数据点 (x, y) 已随机分配到 A - D 列。我想通过 x 的值对它们重新排序 t_1 - 显示在 斜体。其他值对于重新排序无关紧要，但通过x-值t_1 携带到它们的新列。这意味着每一行都会以不同的方式重新排序。

我想要一些处理上表的代码：

A				B				C				D
t_1		t_2		t_1		t_2		t_1		t_2		t_1		t_2
x	y	x	y	x	y	x	y	x	y	x	y	x	y	x	y
1.5	6.7	8.1	7.5	2.2	5.1	3.4	1.8	6.1	2.1	9.3	7.1	8.2	1.1	1.4	2.5
4.1	5.1	7.7	4.3	7.9	3.2	1.1	5.3	8.1	0.4	2.4	4.1	9.3	3.1	0.9	3.2

Answer 1

这是一个选项，主要涉及干预数据的形状、排序，然后使用重新调整的值和原始 df 列（一个 MultiIndex）来创建最终数据框：

df2 = df.T.unstack(level=0).T.reset_index(level=0, col_fill='row')
df2 = df2.sort_values([('level_0', 'row'), ('t_1', 'x')], ignore_index=True)
values = df2.drop(('level_0', 'row'), axis=1).values.reshape(2, -1)
df3 = pd.DataFrame(data=values, columns=df.columns)  # using original df's columns

输出：

                    A                   B                   C                   D
        t_1       t_2       t_1       t_2       t_1       t_2       t_1       t_2
     x    y    x    y    x    y    x    y    x    y    x    y    x    y    x    y
0  1.5  6.7  8.1  7.5  2.2  5.1  3.4  1.8  6.1  2.1  9.3  7.1  8.2  1.1  1.4  2.5
1  4.1  5.1  7.7  4.3  7.9  3.2  1.1  5.3  8.1  0.4  2.4  4.1  9.3  3.1  0.9  3.2

采用更易读但不准确的表格格式：

A				B				C				D
t_1		t_2		t_1		t_2		t_1		t_2		t_1		t_2
x	y	x	y	x	y	x	y	x	y	x	y	x	y	x	y
1.5	6.7	8.1	7.5	2.2	5.1	3.4	1.8	6.1	2.1	9.3	7.1	8.2	1.1	1.4	2.5
4.1	5.1	7.7	4.3	7.9	3.2	1.1	5.3	8.1	0.4	2.4	4.1	9.3	3.1	0.9	3.2

Answer 2

试试unstack 和groupby：（我现在能想到的唯一解决方案）

df1 = df.unstack().unstack()
for col in df1.columns:
    a = []
    for i,g in df1[col].groupby(level=0):
        a.append((i,g.iloc[0]))
    get_sortedli = sorted(a, key=lambda x: x[1])
    order_col = [f1 for f1,f2 in get_sortedli]
    val = (df.iloc[col].reindex(order_col, axis=1, level=0))
    df.iloc[col] = val

---

df:

我把这想象成一个 4 块排列（A、B、C、D）的问题。安排好后获取值并将其分配给真实的数据框。

df1: