如何在特定级别重新排序多索引数据框列
我有一个多索引的DataFrame，其名称附加到列级别。我希望能够轻松地对列进行无序排列，以便它们与用户指定的顺序相匹配。由于这是管道，我无法使用此推荐的解决方案，并在创建时正确订购它们。
我有一个数据表，看起来像
Experiment BASE IWWGCW IWWGDW
Lead Time 24 48 24 48 24 48
2010-11-27 12:00:00 0.997 0.991 0.998 0.990 0.998 0.990
2010-11-28 12:00:00 0.998 0.987 0.997 0.990 0.997 0.990
2010-11-29 12:00:00 0.997 0.992 0.997 0.992 0.997 0.992
2010-11-30 12:00:00 0.997 0.987 0.997 0.987 0.997 0.987
2010-12-01 12:00:00 0.996 0.986 0.996 0.986 0.996 0.986
我想采取这样的列表['IWWGCW'，'IWWGDW'，'BASE']并重新排序：
Experiment IWWGCW IWWGDW BASE
Lead Time 24 48 24 48 24 48
2010-11-27 12:00:00 0.998 0.990 0.998 0.990 0.997 0.991
2010-11-28 12:00:00 0.997 0.990 0.997 0.990 0.998 0.987
2010-11-29 12:00:00 0.997 0.992 0.997 0.992 0.997 0.992
2010-11-30 12:00:00 0.997 0.987 0.997 0.987 0.997 0.987
2010-12-01 12:00:00 0.996 0.986 0.996 0.986 0.996 0.986
附带一个警告，我并不总是知道“实验”会是什么水平。我试过（其中df是上图的多索引框架）
df2 = df.reindex_axis(['IWWGCW', 'IWWGDW', 'BASE'], axis=1, level='Experiment')
但是这似乎不起作用——它成功地完成了，但是返回的数据帧的列顺序没有改变。
我的解决方法是具有如下功能：
def reorder_columns(frame, column_name, new_order):
"""Shuffle the specified columns of the frame to match new_order."""
index_level = frame.columns.names.index(column_name)
new_position = lambda t: new_order.index(t[index_level])
new_index = sorted(frame.columns, key=new_position)
new_frame = frame.reindex_axis(new_index, axis=1)
return new_frame
其中，reorder_列（df，'Experiment'，['iwgcw'，'iwgdw'，'BASE']）做了我期望的事情，但感觉我在做额外的工作。有没有更简单的方法？
共有3个答案
我不知道有什么现成的。创建了一个关于它的增强票据：
http://github.com/pydata/pandas/issues/1864
这是对我最简单的一个：
>
对于所选级别，按所需顺序创建列列表；
重新为列编制索引并从该列表创建一个多索引对象，记住这将返回一个元组；
使用多索引对象对数据帧重新排序。
cols = ['IWWGCW', 'IWWGDW', 'BASE']
new_cols = df.columns.reindex(cols, level=0)
df.reindex(columns=new_cols[0]) #new_cols is a single item tuple
在一行中：
df.reindex(columns=df.columns.reindex(['IWWGCW', 'IWWGDW', 'BASE'], level=0)[0])
瞧
有一个非常简单的方法：只需根据原始数据框创建一个新的数据框，多索引列的顺序正确：
multi_tuples = [('IWWGCW',24), ('IWWGCW',48), ('IWWGDW',24), ('IWWGDW',48)
, ('BASE',24), ('BASE',48)]
multi_cols = pd.MultiIndex.from_tuples(multi_tuples, names=['Experiment', 'Lead Time'])
df_ordered_multi_cols = pd.DataFrame(df_ori, columns=multi_cols)
-
问题内容： 从这里开始。该解决方案仅适用于一列。如何改进多列解决方案。即如果我有一个像 如何重塑像 如果df是 然后 问题答案： 采用 要么， 另外，索引不相等
-
问题内容： 我有一个看起来像这样的数据框： 它是使用以下代码创建的： 我要做的是根据预定义的列表对行（带有索引）进行排序。结果是： 我该如何实现？ 问题答案： 你可以使用预定义的顺序设置指标像 但是，如果按字母顺序排列，则可以使用 如下所示，您需要将其分配给一些变量
-
问题内容： 我有一个数据框，具有以下的multiindex列： 如何将列索引级别展平/合并为：“ Level1 | Level2”，例如，。等等？如果这不可能，是否有办法像我上面所做的那样不创建多索引列？ 问题答案： 您可以随时更改列：
-
在python中是否可以按给定的索引重新排序列表？ 如果我有列表: 我想按第二个索引重新排序，使其具有如下内容:
-
问题内容： 我有一个带有两列“标识符”，“值”和“子标识”的以下数据框 df ： 我有一个索引列表，例如 我想在列表x中提到的索引之前插入行。就像，对于在索引2之前插入的行，将具有以下值，它将具有 与 在索引2处的行 相同的标识符 ，即1； 与 索引2的行 相同的值 ，即103；但是新行中的 subid 将是（（索引2处的subid）-1），或者仅仅是前一行的subid，即1。 以下是我期望的最终
-
它在错误下面抛出： 提示我，如何删除ElasticSearch中特定类型索引中的多个或所有文档。