python - Pandas - 按列对多级数据进行排序，但保留级别组顺序

Question

我有一个多级数据框，其中有一列名为name。我想维护数据的父子级别分组，但按此 name 列对每个级别 A-Z 进行排序。

换句话说，对于每一行，如果父项已排序，则所有较低级别的子项也将作为一个 block 排序。

这是我当前数据框的示例:

df = pd.DataFrame(columns=['level', 'name'],                        
                  data=[['1','AAA'],                                  
                        ['1.1', 'ZZZ'],                               
                        ['1.2', 'XXX'],                               
                        ['1.3', 'YYY'],                               
                        ['1.3.1', 'GGG'],                             
                        ['1.3.1.1', 'XXX'],                           
                        ['1.3.2', 'EEE'],                             
                        ['1.3.3', 'FFF'],                             
                        ['1.3.3.1', 'TTT'],                           
                        ['1.3.3.2', 'SSS'],                           
                        ['2', 'CCC'],                                 
                        ['3', 'BBB'],                                 
                        ['3.1', 'AAA']])                              

排序后的数据框应该是什么样子:

sorted_df = pd.DataFrame(columns=['level', 'name'],                 
                  data=[['1','AAA'],           # No Change            
                        ['1.1', 'XXX'],        # Was 1.2              
                        ['1.2', 'YYY'],        # Was 1.3              
                        ['1.2.1', 'EEE'],      # Was 1.3.2            
                        ['1.2.2', 'FFF'],      # Was 1.3.3            
                        ['1.2.3', 'GGG'],      # Was 1.3.1            
                        ['1.2.3.1', 'XXX'],    # Was 1.3.1.1          
                        ['1.2.3.1', 'SSS'],    # Was 1.3.3.2          
                        ['1.2.3.2', 'TTT'],    # was 1.3.3.1          
                        ['1.3', 'ZZZ'],        # Was 1.1              
                        ['2', 'BBB'],          # Was 3                
                        ['2.1', 'AAA'],        # Was 3.1              
                        ['3', 'CCC']])         # Was 2

将其分解为步骤:

1. 按名称对最深级别(即 X.X.X.X)进行排序。在上面的原始 DF 中，1.3.3.1 (SSS) 和 1.3.3.2 (TTT) 将交换。 1.3.1.1 (XXX) 保持不变，因为 1.3.1.X 组中没有其他项目。

2. 查看下一个级别(即 X.X.X - GGG、EEE、FFF)。 1.3.1 (GGG) 及其所有子级(即 1.3.1.1)需要移动到 EEE 和 FFF(及其子级)下方。 EEE 和 FFF(及其子项)已经处于正确的位置。

3. 在下一个级别重复此过程，对 parent 及其所有 child 进行排序。

我尝试通过按点分割级别列来将数据框分解为多个索引:

df = pd.concat([df['level'].str.split('.', expand=True), df], axis=1) \
      .set_index([0,1,2,3])

一旦到达这一点，我就陷入了困境。我尝试过各种方法(sort_value、sort_index、reset_index等)，但无法解决(双关语) )。更复杂的是，'level' 可以是我的真实数据的任意长度(例如 1.2.2.1.2.3.1...)，并且名称列也是任意的(参见 AAA 如何在示例数据中以不同级别重复)。

这似乎是一件简单的事情，但我花了几个小时进行研究，并且正在绞尽脑汁试图弄清楚。任何帮助将不胜感激!!

Answer 1

尝试使用fillna:

df.join(df.level.str.split('.', expand=True).fillna(-1))\
  .sort_values([0,1,2,3])[['level','name']]

输出:

      level name
0         1  AAA
1       1.1  ZZZ
2       1.2  XXX
3       1.3  YYY
4     1.3.1  GGG
5   1.3.1.1  XXX
6     1.3.2  EEE
7     1.3.3  FFF
8   1.3.3.1  TTT
9   1.3.3.2  SSS
10        2  CCC
11        3  BBB
12      3.1  AAA

未知深度:

df.join(df.level.str.split('.', expand=True)).fillna(-1)\
  .pipe(lambda x: x.sort_values(x.filter(regex='\d+').columns.tolist()))[['level','name']]