Pandas 如何按列值排序多索引数据帧并维护多索引结构？

我有一个多索引（TestName和TestResult.output）数据框架，希望按列值降序排序，并维护可视的多索引对（TestName和TestResult.output）。我怎样才能做到这一点

例如，我想按列“n*%”对TestResult的desc进行排序。结果索引值“Failed”如下表所示：

我希望实现以下结果，在索引中保持通过-失败对：

我试过这个：

orderedByTotalNxPercentDesc = myDf.sort_values(['TestResult.Outcome','n * %'], ascending=False)

但该命令首先按index values=“Passed”排序，并断开传递的失败索引对 这可以帮助您：

import pandas as pd
import numpy as np

arrays = [np.array(["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"]),np.array(["one", "two", "one", "two", "one", "two", "one", "two"])]

df = pd.DataFrame(np.random.randn(8, 4), index=arrays)

df.reset_index().groupby(["level_0"]).apply(lambda x: x.sort_values([3], ascending = False)).set_index(['level_0','level_1'])

在您的情况下，

3

是您的列

n*%

，

level\u 0

是您的索引

TestName

，

level\u 1

是您的

测试结果


变成：

通过创建一个虚拟列进行排序，我可以得到我想要的：

iterables = [["bar", "baz", "foo", "qux"], ["one", "two"]]

df = pd.DataFrame(np.random.randn(8, 1), index=arrays)
df.index.names = ['level_0', 'level_1']
df = df.rename(columns={0: "myvalue"}, errors='raise')

for index, row in df.iterrows():
    df.loc[index,'sort_dummy'] = df.loc[(index[0],'two'),'myvalue']

df = df.sort_values(['sort_dummy'], ascending = False)
df

输出：

我不确定我是否理解正确，但如果您想要配对，请使用
groupby
TestName
是有意义的。谢谢您的提示，很遗憾，这不是我想要的。您首先按级别0排序，然后在级别0索引中按第3列排序。这仅对每个级别0索引中的级别1“1 2”索引进行排序。你可以再看看我的“我想实现”截图。在你的例子中，你需要先按第3列对所有的级别0进行排序，并保持级别1对。啊，明白了。将尝试跟进。编辑了我的答案。