使用 stack/unstack 时如何维护 Pandas DataFrame 索引顺序？

Question

示例一： 注意给定 Pandas DataFrame df 的索引顺序：

>>> df
              A  B
first second      
zzz   z       2  4
      a       1  5
aaa   z       6  3
      a       7  8

在给定的df DataFrame 对象上使用stack 和unstack 方法后，索引会自动按字典顺序（按字母顺序）排序，从而丢失行的原始顺序。

>>> df.unstack().stack()
              A  B
first second      
aaa   a       7  8
      z       6  3
zzz   a       1  5
      z       2  4

上面的unstack/stack操作后是否可以保持原来的顺序？

根据官方文档reshaping-by-stacking-and-unstacking：

请注意，stack 和 unstack 方法隐式地对涉及的索引级别进行排序。因此，调用 stack 然后 unstack，反之亦然，将导致原始 DataFrame 或 Series 的排序副本

示例二：

>>> dfu = df.unstack()
>>> dfu
         A      Z   
second   a  z   a  z
first               
aaa      7  6   8  3
zzz      1  2   5  4

如果保留原始索引，我们需要dfu，如下所示：

>>> dfu
             A      Z   
    second   a  z   a  z
    first               
    zzz      1  2   5  4
    aaa      7  6   8  3

我正在寻找的是一种解决方案，可用于在调用 unstack() 或 stack() 方法后根据原始数据帧恢复索引顺序。

Answer 1

您可以保留一份原始 index 和 reindex 的副本，谢谢 Andy Hayden。

演示：

#              A  B
#first second      
#zzz   z       2  4
#      a       1  5
#aaa   z       6  3
#      a       7  8

print df.index
#MultiIndex(levels=[[u'aaa', u'zzz'], [u'a', u'z']],
#           labels=[[1, 1, 0, 0], [1, 0, 1, 0]],
#           names=[u'first', u'second'])

#set index to variable
index = df.index

#stack and unstack
df = df.unstack().stack()
print df
#              A  B
#first second      
#aaa   a       7  8
#      z       6  3
#zzz   a       1  5
#      z       2  4
#              A  B

df = df.reindex(index)
print df
#              A  B
#first second      
#zzz   z       2  4
#      a       1  5
#aaa   z       6  3
#      a       7  8