Pandas MultiIndex 按分类顺序自定义排序级别，而不是按字母顺序

我是 Pandas (0.16.1) 的新手，并且希望在多索引中进行自定义排序，因此我使用分类。 我的多重索引的一部分：

Part  Defect Own
Кузов 504    ИП
Кузов 504    Итого
Кузов 504    ПС
Кузов 505    ПС
Кузов 506    ПС
Кузов 507    ПС
Кузов 530    ИП
Кузов 530    Итого
Кузов 530    ПС

我创建了具有多索引级别 [Defect, Own] 的数据透视表。然后我进行“自己的”分类（参见问题的 p.s. 部分）将其排序为 [ИП、ПС、Итого]。但是，当我在级别前面加上“部分”（这也是基于“缺陷”级别的分类）并对索引进行排序时

pvt.sortlevel(0, inplace=True)

“自己”级别按字母顺序排序：[ИП、Итого、ПС]。如何在多索引中对两个级别进行自定义排序？

P.S.我使用以下代码将“自己”级别转换为分类：创建新列，用它替换索引级别。可以吗？

def makeLevelCategorical(pdf, pname, cats):
    names = pdf.index.names
    namei = names.index(pname)
    pdf["tmp"] = pd.Categorical(pdf.index.get_level_values(pname), categories=cats) #New temp column
    pdf.set_index("tmp", append=True, inplace=True) #Append column to index
    pdf = pdf.reset_index(pname, drop=True) #Remove /pname/ level
    names2 = list(names)
    names2[namei] = "tmp"
    pdf.reorder_levels(names2)  #Put "tmp" level to /pname/'s position
    pdf.index.names = names     #Rename "tmp" level to /pname/
    return pdf

对多索引进行排序可以使用Dataframe.sort_index http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.sort_index.html功能。

这是一个小例子：

df = pd.DataFrame(
    {"i1":[1,1,1,1,2,4,4,2,3,3,3,3],
     "i2":[1,3,2,2,1,1,2,2,1,1,3,2],
     "d1":['a','b','c','d','e','f','g','h','i','j','k','l']}
)
df.set_index(['i1', 'i2'], inplace=True)
df.sort_index()

Outputs:

        d1
i1  i2  
1   1   a
    2   c
    2   d
    3   b
2   1   e
    2   h
3   1   i
    1   j
    2   l
    3   k
4   1   f
    2   g

如果您想更改基于列的排序顺序，Dataframe.sort_index http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.sort_index.html函数接受一个参数ascending=可以给出一个列表[True, False]语句按顺序对应于列。

Categorical 是 pandas 中的一种新的闪亮数据类型，应该使用它，但此操作本身不需要它。

由于评论而编辑：

排序将始终按字母顺序或相反顺序排序。如果您想要自定义排序，那么您需要创建一个新列，该列可以按字母顺序排序，但它是可以确定排序的列的结果。使用以下方法执行此操作系列图 http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.map.html，就像这个例子一样，首先用元音对数据集进行排序：

mappings = {'a': 0, 'b':1, 'c':1, 'd':1,
            'e':0, 'f':1, 'g':1, 'h':1,
            'i':0, 'j':1, 'k': 1, 'l': 1}
df['sortby'] = df['d1'].map(mappings)
df.sort('sortby')

        d1  sortby
i1  i2      
1   1   a   0
2   1   e   0
3   1   i   0
1   3   b   1
    2   c   1
    2   d   1
4   1   f   1
    2   g   1
2   2   h   1
3   1   j   1
    3   k   1
    2   l   1

如果您不想要之后的排序列，您可以简单地将其删除，如下所示：

del df['sortby']