熊猫排序多指标由集团总

Question

鉴于以下数据帧：

import pandas as pd 
df=pd.DataFrame({'County':['A','B','C','D','A','B','C','D','A','B','C','D','A','B','C','D','A','B'], 
       'Hospital':['a','b','c','d','e','a','b','c','e','a','b','c','d','e','a','b','c','e'], 
       'Enrollment':[44,55,42,57,95,54,27,55,81,54,65,23,89,76,34,12,1,67], 
       'Year':['2012','2012','2012','2012','2012','2012','2012','2012','2012','2013', 
         '2013','2013','2013','2013','2013','2013','2013','2013']}) 
d2=pd.pivot_table(df,index=['County','Hospital'],columns=['Year'])#.sort_columns 

d2 
     Enrollment 
     Year 2012  2013 
County Hospital   
A  a  44.0  NaN 
     c  NaN  1.0 
     d  NaN  89.0 
     e  88.0  NaN 
B  a  54.0  54.0 
     b  55.0  NaN 
     e  NaN  71.5 
C  a  NaN  34.0 
     b  27.0  65.0 
     c  42.0  NaN 
D  b  NaN  12.0 
     c  55.0  23.0 
     d  57.0  NaN 

我需要将数据帧，使得县递减由招生的总和最近一年（我想避免分类排序用 '2013' 直接）是这样的：

 Enrollment 
    Year   2012 2013 
County Hospital   
B  a   54 54 
     b   55 NaN 
     e   NaN 71.5 
C  a   NaN 34 
     b   27 65 
     c   42 NaN 
A  a   44 NaN 
     c   NaN 1 
     d   NaN 89 
     e   88 NaN 
D  b   NaN 12 
     c   55 23 
     d   57 NaN 

然后，我想每个县内排序，每次递减医院，但2013个招生这样的：

 Enrollment 
     Year 2012 2013 
County Hospital   
B  e  NaN 71.5 
     a  54 54 
     b  55 NaN 
C  b  27 65 
     a  NaN 34 
     c  42 NaN 
A  d  NaN 89 
     c  NaN 1 
     a  44 NaN 
     e  88 NaN 
D  c  55 23 
     b  NaN 12 
     d  57 NaN 

到目前为止，我使用GROUPBY得到的款项和合并后做过尝试，但还没有任何运气：提前

d2.groupby('County').sum() 

谢谢！

Answer 1

，你可以：

max_col = max(d2.columns.get_level_values(1)) # get column 2013 
d2['sum'] = d2.groupby(level='County').transform('sum').loc[:, ('Enrollment', max_col)] 
d2 = d2.sort_values(['sum', ('Enrollment', max_col)], ascending=[False, False]) 

获得：

   Enrollment   sum 
Year     2012 2013  
County Hospital       
B  e    NaN 71.5 125.5 
     a    54.0 54.0 125.5 
     b    55.0 NaN 125.5 
C  b    27.0 65.0 99.0 
     a    NaN 34.0 99.0 
     c    42.0 NaN 99.0 
A  d    NaN 89.0 90.0 
     c    NaN 1.0 90.0 
     a    44.0 NaN 90.0 
     e    88.0 NaN 90.0 
D  c    55.0 23.0 35.0 
     b    NaN 12.0 35.0 
     d    57.0 NaN 35.0