按照它们在另一个数据框中出现的顺序对 multiIndex python pandas 数据框进行排序

Question

我有一个像这样的数据框df ：

                 a   b
 id   no   name   
T01  101   foo   1  $10
T32  102   bar   2  $30
T10  103   baz   4  $25

其中索引是id, no and name 。 我有另一个数据框df2与我希望的索引顺序

    no
0  103
1  101
2  102

我需要数据框

                 a   b
 id   no   name  
T10  103   baz   4  $25 
T01  101   foo   1  $10
T32  102   bar   2  $30

我已经看到使用df.loc[df2.no.values]和df.reindex(df2.no)但由于我有多索引 dataFrame 它似乎不起作用

我应该用什么来按df2的顺序对键no df进行排序？

Answer 1

使用reset_index 、 reindex和 last set_index一种可能解决方案：

print df1.reset_index(level=['id','name'])
         .reindex(df2.no)
         .reset_index()
         .set_index(['id','no','name'])

              a    b
id  no  name        
T10 103 baz   4  $25
T01 101 foo   1  $10
T32 102 bar   2  $30

如果级别的顺序不重要：

print df1.reset_index(level=['id','name'])
         .reindex(df2.no)
         .set_index(['id','name'], append=True)

              a    b
no  id  name        
103 T10 baz   4  $25
101 T01 foo   1  $10
102 T32 bar   2  $30

时间：

In [77]: %timeit df1.unstack([0, 2]).ix[df2.no].stack([1, 2]).swaplevel(0, 1)
10 loops, best of 3: 18.8 ms per loop

In [78]: %timeit df1.reset_index(level=['id','name']).reindex(df2.no).reset_index().set_index(['id','no','name'])
The slowest run took 4.41 times longer than the fastest. This could mean that an intermediate result is being cached 
100 loops, best of 3: 4.41 ms per loop

Answer 2

解决方案

df.unstack([0, 2]).ix[df2.no].stack([1, 2]).swaplevel(0, 1)

解释

unstack([0, 2])将第 1 和第 3 级索引放入 [-2, -1] 级列中。 这隔离了您关心的级别。

ix[df2.no]按照您喜欢的顺序对剩余级别进行排序。

stack([1, 2])从列中获取级别并将它们放回索引中。

swaplevel(0, 1)将索引级别放回原始顺序。