Pandas 多索引数据帧的列排序

我有一个非常大的多索引数据框，大约有500列，每列有2个子列

数据帧

df

如下所示：

                  B2                  B5             B3
bkt              A1      A2           A2      A1     Z2      C1
Date                                                                        
2019-06-11       0.8     0.2          -6.0    -0.8   -4.1    -0.6    
2019-06-12       0.8     0.2          -6.9    -1.6   -5.3    -1.2    

df.columns
MultiIndex(levels=[['B2', 'B5', 'B3', .....], ['A1', 'A2' ......]],
           labels=[[1, 1, ....], [1, 0, ....]],
           names=[None, 'bkt'])

我尝试仅对列名进行排序，并将值保留在每列中，以获得以下所需的输出：

                 B2                  B3             B5
bkt              A1      A2          C1      Z2     A1      A2
Date                                                                        
2019-06-11       ..
2019-06-12       ..

。

表示原始数据帧中的值。我只是没有重新打字

安装程序 使用并重新分配

df.columns=df.sort_index(axis=1,level=[0,1],ascending=[True,False]).columns

从piR开始，我们不需要创建df的副本，只需修改列即可

df.columns=df.columns.sort_values(ascending=[True, False])

---

排序索引（级别=0，轴=1）？如何修改上述代码，使其在级别“B2 B5 B3”上按升序排序，在“A1 A2 A1 Z2 C1”上按降序排序？我不想就此开始另一篇文章。这样做是为了避免创建新的数据帧，而只关注索引本身的排序

df.columns=df.columns.sort_值（升序=[True，False]）

@piRSquared这是真的：-）我一直对你们解决复杂问题的聪明方法很感兴趣：）但是我不确定@piRSquared解决方案是否有效。您的原始解决方案确实有效。

df.columns=df.columns.sort_values(ascending=[True, False])