高级 MultiIndex 排序和索引

Question

我有一个超过 100k 行的数据，我需要有效地将其从左侧 DataFrame 重新组合到多索引右侧，其中索引按第三列中的值总和排序，每个索引内的第二列值排序为第 3 列中的值。所有排序都是降序的。

我不知道如何正确地做到这一点，并且已经花了一整天的时间弄清楚了。

 a   b  c           a sum b  c  %
foo one 1          foo 5 one 3 3/5
foo two 2                two 2 2/5
bar one 1    =>    baz 4 two 3 3/4
baz one 1                one 1 1/4
baz two 3          bar 3 six 2 2/3
foo one 2                one 1 1/3
bar six 2           

更新： @jezrael 给出的代码效果很好，但它以这种方式输出：

                  %
a   sum b   c      
foo 5   one 3  0.60
        two 2  0.40
        six NaN NaN
baz 4   two 3  0.75
        one 1  0.25
        six NaN NaN
bar 1   one 1  1.00
        two NaN NaN
        six NaN NaN

是否可以用 NaN 去掉这些字符串？

更新 #2： 我发现了导致 NaN 问题的问题。这是由 'category' 数据类型引起的。我不知道它如何影响代码的行为。只是指出原因。

Answer 1

我认为需要：

#aggregate sum by a, b columns
df = df.groupby(['a','b'], as_index=False)['c'].sum()
print (df)
     a    b  c
0  bar  one  1
1  baz  one  1
2  baz  two  3
3  foo  one  3
4  foo  two  2

#create new column by position with transform sum per a column
df.insert(1, 'sum', df.groupby('a')['c'].transform('sum'))
#division of columns
df['%'] = df['c'].div(df['sum'])
print (df)
     a  sum    b  c     %
0  bar    1  one  1  1.00
1  baz    4  one  1  0.25
2  baz    4  two  3  0.75
3  foo    5  one  3  0.60
4  foo    5  two  2  0.40

#sorting by multiple columns and create MultiIndex  
df = df.sort_values(['sum','c'], ascending=False).set_index(['a','sum','b', 'c'])
print (df)
                  %
a   sum b   c      
foo 5   one 3  0.60
        two 2  0.40
baz 4   two 3  0.75
        one 1  0.25
bar 1   one 1  1.00