pandas.MultiIndex.sortlevel#

MultiIndex.sortlevel(level=0, ascending=True, sort_remaining=True, na_position='first')[源代码][源代码]#

在请求的级别对 MultiIndex 进行排序。

这种方法在处理 MultiIndex 对象时非常有用，允许在索引的特定级别进行排序。该函数在排序整个 MultiIndex 的同时保留同一级别内数据的相对顺序。该方法通过 ascending 参数提供灵活性来定义排序顺序，并通过 sort_remaining 参数控制是否也应排序剩余级别。在对需要有序索引的操作（如分组或合并数据集）进行排序时，排序 MultiIndex 可能至关重要。na_position 参数在不同级别一致处理缺失值时非常重要。

参数:

级别类似列表的, int 或 str, 默认值为 0: 如果给定一个字符串，必须是级别的名称。如果类似列表，则必须是级别名称或整数。
升序bool, 默认为 True: False 表示按降序排序。也可以是一个列表来指定一个定向排序。
sort_remainingbool, 默认为 True: 如果为真，则在按指定 level 排序后，按剩余级别排序。
na_position{‘first’ or ‘last’}, 默认 ‘first’: 参数 ‘first’ 将 NaN 放在开头，’last’ 将 NaN 放在末尾。

Added in version 2.1.0.

返回:

sorted_indexpd.MultiIndex: 生成的索引。
索引器np.ndarray[np.intp]: 原始索引中输出值的索引。

参见

MultiIndex: 一个用于 pandas 对象的多级或层次索引对象。
Index.sort_values: 排序索引值。
DataFrame.sort_index: 按索引排序 DataFrame。
Series.sort_index: 按索引对系列进行排序。

示例

>>> mi = pd.MultiIndex.from_arrays([[0, 0], [2, 1]])
>>> mi
MultiIndex([(0, 2),
            (0, 1)],
           )

>>> mi.sortlevel()
(MultiIndex([(0, 1),
            (0, 2)],
           ), array([1, 0]))

>>> mi.sortlevel(sort_remaining=False)
(MultiIndex([(0, 2),
            (0, 1)],
           ), array([0, 1]))

>>> mi.sortlevel(1)
(MultiIndex([(0, 1),
            (0, 2)],
           ), array([1, 0]))

>>> mi.sortlevel(1, ascending=False)
(MultiIndex([(0, 2),
            (0, 1)],
           ), array([0, 1]))