索引 Pandas MultiIndex 时如何避免排序？

Question

当按第二级索引具有两级的 MultiIndexed pandas 数据帧时，结果会自动按索引排序。有没有一种不用排序就可以得到结果的优雅方法？

这是一个玩具示例：

>>> df = pd.DataFrame(np.ones((10, 3)), columns=list("ABC"))
>>> df.index = pd.MultiIndex.from_product([range(5), list("AB")])
>>> df
       A    B    C
0 A  1.0  1.0  1.0
  B  1.0  1.0  1.0
1 A  1.0  1.0  1.0
  B  1.0  1.0  1.0
2 A  1.0  1.0  1.0
  B  1.0  1.0  1.0
3 A  1.0  1.0  1.0
  B  1.0  1.0  1.0
4 A  1.0  1.0  1.0
  B  1.0  1.0  1.0

>>> values = ["B", "A"]
>>> idx = pd.IndexSlice
>>> subset = df.loc[idx[:, values], values]
>>> subset
       B    A
0 A  1.0  1.0
  B  1.0  1.0
1 A  1.0  1.0
  B  1.0  1.0
2 A  1.0  1.0
  B  1.0  1.0
3 A  1.0  1.0
  B  1.0  1.0
4 A  1.0  1.0
  B  1.0  1.0

我本来希望结果索引的第二级按["B", "A"] 的顺序排列——类似于选定的列——但它是按排序顺序返回的。

到目前为止，我发现的解决方法是使用 subset.reindex(index=values, level=1) 重新索引结果。有没有办法以更简洁/优雅的方式做到这一点，理想情况下不会导致数据帧的副本？为什么首先对结果进行排序？在这种情况下似乎不直观。

Answer 1

这可能是为了性能而做出的决定。您可以在 Sorting a MultiIndex 中阅读有关它的内容，外卖是您希望对索引进行 lexsorted，它由 .loc 的当前输出维护。如果它为您提供了您想要的输出，则索引不会被 lexsorted，这可能会导致几个问题。你应该使用.reindex，因为它会导致一个lexsorted MultiIndex。

---

您原来的 DataFrame 是 lexsorted：

df.index.is_lexsorted()
#True

你得到的 unwanted 输出维持了排序：

df.loc[idx[:, values], values].index.is_lexsorted()
#True

如果我们使用.loc 修改了排序，我们将失去这种排序，并且现在根据文档会遇到性能问题。

subset = df.loc[[(0, 'B'), (0, 'A')], ['B', 'A']]
#       B    A
#0 B  1.0  1.0
#  A  1.0  1.0

subset.index.is_lexsorted()
#False

虽然重新索引确实需要更长的时间，但它会导致一个 lexsorted 索引。

subset2 = df.reindex(index=values, level=1)
subset2.index.is_lexsorted()
#True

---

当您的 MultiIndex 未进行 lexsorted 时，会有意想不到的后果。因此，即使subset 似乎已排序并且应该可以对范围进行切片，但您不能。在.reindex 之后，切片是可行的，因为它是 lexsorted：

subset.loc[(0,'B'): (0, 'A')]
#UnsortedIndexError: 'Key length (2) was greater than MultiIndex lexsort depth (1)'

subset2.loc[(0,'B'): (0, 'A')]
#       A    B    C
#0 B  1.0  1.0  1.0
#  A  1.0  1.0  1.0