Pandas 在多索引列中逐行重新排序值

Question

我有以下多索引表：

一個				乙				C				D
t_1		t_2		t_1		t_2		t_1		t_2		t_1		t_2
X	是的	X	是的	X	是的	X	是的	X	是的	X	是的	X	是的	X	是的
2.2	5.1	3.4	1.8	1.5	6.7	8.1	7.5	6.1	2.1	9.3	7.1	8.2	1.1	1.4	2.5
7.9	3.2	1.1	5.3	9.3	3.1	0.9	3.2	4.1	5.1	7.7	4.3	8.1	0.4	2.4	4.1

數據點(x, y)已隨機分配給 A - D 列。我想按t_1處的x值對它們重新排序 - 以斜體顯示。 其他值對於重新排序無關緊要，但會由t_1處的x值帶到它們的新列。 這意味着每一行都會以不同的方式重新排序。

我想要一些處理上表的代碼來生成：

一個				乙				C				D
t_1		t_2		t_1		t_2		t_1		t_2		t_1		t_2
X	是的	X	是的	X	是的	X	是的	X	是的	X	是的	X	是的	X	是的
1.5	6.7	8.1	7.5	2.2	5.1	3.4	1.8	6.1	2.1	9.3	7.1	8.2	1.1	1.4	2.5
4.1	5.1	7.7	4.3	7.9	3.2	1.1	5.3	8.1	0.4	2.4	4.1	9.3	3.1	0.9	3.2

Answer 1

嘗試使用unstack和groupby ：（我現在能想到的唯一解決方案）

df1 = df.unstack().unstack()
for col in df1.columns:
    a = []
    for i,g in df1[col].groupby(level=0):
        a.append((i,g.iloc[0]))
    get_sortedli = sorted(a, key=lambda x: x[1])
    order_col = [f1 for f1,f2 in get_sortedli]
    val = (df.iloc[col].reindex(order_col, axis=1, level=0))
    df.iloc[col] = val

---

東風：

我想象這是一個 4 塊排列（A，B，C，D）問題。 安排好后獲取值並將其分配給真正的 dataframe。

df1：

Answer 2

這是一個選項，主要涉及干預數據的形狀，排序，然后使用重新整形的值和原始df列（MultiIndex）來創建最終的 dataframe：

df2 = df.T.unstack(level=0).T.reset_index(level=0, col_fill='row')
df2 = df2.sort_values([('level_0', 'row'), ('t_1', 'x')], ignore_index=True)
values = df2.drop(('level_0', 'row'), axis=1).values.reshape(2, -1)
df3 = pd.DataFrame(data=values, columns=df.columns)  # using original df's columns

Output：

                    A                   B                   C                   D
        t_1       t_2       t_1       t_2       t_1       t_2       t_1       t_2
     x    y    x    y    x    y    x    y    x    y    x    y    x    y    x    y
0  1.5  6.7  8.1  7.5  2.2  5.1  3.4  1.8  6.1  2.1  9.3  7.1  8.2  1.1  1.4  2.5
1  4.1  5.1  7.7  4.3  7.9  3.2  1.1  5.3  8.1  0.4  2.4  4.1  9.3  3.1  0.9  3.2

以更易讀但不准確的表格格式：

一個				乙				C				D
t_1		t_2		t_1		t_2		t_1		t_2		t_1		t_2
X	是的	X	是的	X	是的	X	是的	X	是的	X	是的	X	是的	X	是的
1.5	6.7	8.1	7.5	2.2	5.1	3.4	1.8	6.1	2.1	9.3	7.1	8.2	1.1	1.4	2.5
4.1	5.1	7.7	4.3	7.9	3.2	1.1	5.3	8.1	0.4	2.4	4.1	9.3	3.1	0.9	3.2