如何在熊猫中排序multindex列

Question

我正在尝试操纵一堆多索引熊猫数组。 每列都是具有不同类别分组的时间序列。 我想对数据进行排序，然后对所有类别进行解析，然后再进行一些其他的数据操作。 这是我正在尝试但无法正常工作的示例代码

import pandas as pd
import numpy as np
df=pd.DataFrame({'t': range(1,11)})
df.set_index(['t'],inplace=True)

for num in range(2):
    labely = (str(num),'A','y')
    labelx = (str(num),'A','x')
    labelbx = (str(num),'B','x')
    df[labelx]= np.random.randn(10)
    df[labelbx]= np.random.randn(10)
    df[labely]= np.random.randn(10)+range(1,11)

df.columns = pd.MultiIndex.from_tuples(df.columns, names=['ID','Location','Direction']) 

df[('0','A','tot')]=df[('0','A','y')]+df[('0','A','x')]
df.sort_index(level='ID',inplace=True)
df.head()

这没有排序。 结果是总数未与其他0 ID分组，而Locations未分组到一起：

ID                0                        ...            1                   0
Location          A         B         A    ...            B         A         A
Direction         x         x         y    ...            x         y       tot
t                                          ...                                 
1          0.430386 -0.121109  0.263314    ...     0.243839  0.313505  0.693700
2         -1.262746 -0.678889  1.289814    ...    -0.893230  0.373103  0.027068
3          0.245483 -0.565859  3.766628    ...     0.012933  1.652484  4.012111
4          1.518357  0.447032  5.649877    ...    -1.205161  5.513507  7.168233
5         -0.095216 -0.571333  6.794958    ...    -0.777933  4.073334  6.699741

我有两个与此相关的问题。

1. 我如何对列进行排序，以便按每个级别进行组织
2. 如何有效地解析数据帧以进行其他数据操作。

这是第二个问题的一些sudo代码

for id in ID: 
     for loc in Location:
               df[(id,loc,'tot')=df[(id,loc,'x')]+df[(id,loc,'y')]

Answer 1

要按列排序，如Ian回答axis = 1：

df.sort_index(level='ID',axis=1,inplace=True)

为了获得要解析的唯一列名称的元组的列表，我需要使用columns.values，然后在计算后求助。

for id,loc,dir in df.columns.values:
    df[(id,loc,'tot')]=(df[(id,loc,'x')]**2+df[(id,loc,'y')]**2)**.5
df.sort_index(level='ID',axis=1,inplace=True)

由于这是基本的列计算，因此我认为该方法将是有效的。