python - 使用堆栈/取消堆栈时如何维护 Pandas DataFrame 索引顺序？

Question

示例一:注意给定 Pandas DataFrame df 的索引顺序:

>>> df
              A  B
first second      
zzz   z       2  4
      a       1  5
aaa   z       6  3
      a       7  8

在给定的 df DataFrame 对象上使用 stack 和 unstack 方法后，索引会自动按字典顺序(字母顺序)排序，以便一个丢失了行的原始顺序。

>>> df.unstack().stack()
              A  B
first second      
aaa   a       7  8
      z       6  3
zzz   a       1  5
      z       2  4

在上面的unstack/stack操作后是否可以保持原来的顺序？

根据官方文档reshaping-by-stacking-and-unstacking :

Notice that the stack and unstack methods implicitly sort the index levels involved. Hence a call to stack and then unstack, or viceversa, will result in a sorted copy of the original DataFrame or Series

示例二:

>>> dfu = df.unstack()
>>> dfu
         A      Z   
second   a  z   a  z
first               
aaa      7  6   8  3
zzz      1  2   5  4

如果保留原始索引，我们需要像这样的dfu:

>>> dfu
             A      Z   
    second   a  z   a  z
    first               
    zzz      1  2   5  4
    aaa      7  6   8  3

我正在寻找的是一种解决方案，可用于在 unstack() 或 stack() 方法之后基于原始数据帧恢复索引顺序已被调用。

Answer 1

您可以保留原始 index 和 reindex 的副本对此，感谢 Andy Hayden。

演示:

#              A  B
#first second      
#zzz   z       2  4
#      a       1  5
#aaa   z       6  3
#      a       7  8

print df.index
#MultiIndex(levels=[[u'aaa', u'zzz'], [u'a', u'z']],
#           labels=[[1, 1, 0, 0], [1, 0, 1, 0]],
#           names=[u'first', u'second'])

#set index to variable
index = df.index

#stack and unstack
df = df.unstack().stack()
print df
#              A  B
#first second      
#aaa   a       7  8
#      z       6  3
#zzz   a       1  5
#      z       2  4
#              A  B

df = df.reindex(index)
print df
#              A  B
#first second      
#zzz   z       2  4
#      a       1  5
#aaa   z       6  3
#      a       7  8