python – 如何在使用stack / unstack时维护Pandas DataFrame索引顺序？

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对象上使用堆栈和unstack方法之后,索引将按字典顺序(按字母顺序)自动排序,以便丢失行的原始顺序.

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

在上面的拆卸/堆栈操作之后是否可以保持原始顺序？

根据官方文件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

如果原始索引是持久的,我们需要这样的dfu：

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

我正在寻找的是一个解决方案,可以用来在调用unstack()或stack()方法后根据原始数据帧恢复索引顺序.

解决方法:

感谢Andy Hayden,您可以保留原始索引和reindex的副本.

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