本文介绍在使用 pd.concat 合并多个 MultiIndex DataFrame 时，如何确保结果中列的第一级索引（如 'y1', 'y2', 'y11'）严格按原始定义顺序排列，而非默认的字典序，从而避免因字符串排序导致的逻辑错位。

本文介绍在使用 `pd.concat` 合并多个 multiindex dataframe 时，如何确保结果中列的第一级索引（如 'y1', 'y2', 'y11'）严格按原始定义顺序排列，而非默认的字典序，从而避免因字符串排序导致的逻辑错位。

在处理具有多级列索引（MultiIndex columns）的 pandas DataFrame 时，直接使用 pd.concat(..., axis=1).sort_index(axis=1) 往往会触发全层级字典序排序——这会导致第一级列名（如 'y1', 'y2', 'y11'）被错误地重排为 'y1', 'y11', 'y2'（因为 'y11' < 'y2' 字符串比较成立），破坏业务语义中的逻辑顺序（例如按指标出现顺序或实验组编号排列）。

正确做法是：先按第一级索引（level=0）局部排序，再依据原始顺序（或自然序）重排列位置。以下是推荐的三种实现方式：

✅ 方法一：复用原始 DataFrame 的列一级顺序（最简洁、推荐）

out = (
    pd.concat([df1, df2], axis=1)
    .sort_index(axis=1, level=0)  # 先按 level-0 分组内排序（保证 y1 下的 (0),(1) 相邻）
    [df1.columns.get_level_values(0)]  # 再按 df1 中第一级出现顺序重排所有列
)

该方法假设 df1 的列顺序即为目标顺序，无需额外依赖，性能好且语义清晰。

✅ 方法二：强制自然排序（适用于无参考 DataFrame 场景）

当无法依赖 df1 的原始顺序（如需全局自定义顺序），可借助 natsort 实现数字感知的自然排序：

from natsort import natsorted

first_level = df1.columns.get_level_values(0)
out = (
    pd.concat([df1, df2], axis=1)
    .sort_index(axis=1, level=0)
    [natsorted(first_level)]
)

natsorted(['y1', 'y11', 'y2']) 返回 ['y1', 'y2', 'y11']，符合数值直觉。

✅ 方法三：基于索引的自然排序（更灵活的链式写法）

from natsort import index_natsorted

out = pd.concat([df1, df2], axis=1)
out = out.iloc[:, index_natsorted(out.columns, key=lambda x: x.get_level_values(0))]

此写法直接对拼接后的完整列 MultiIndex 进行自然序索引，兼容任意复杂层级结构。

⚠️ 注意事项：

• 避免仅用 .sort_index(axis=1) —— 它会对所有层级联合字典排序，导致 ('y11','0') 排在 ('y2','0') 前；
• sort_index(..., level=0) 仅按第一级分组，组内列顺序由输入顺序保留（df1 在前则 (col, '0') 在 (col, '1') 前）；
• 若 df1 和 df2 第一级列名不完全一致，建议先对齐（如用 reindex 或 intersection）再拼接，防止列缺失或错位。

最终输出将严格遵循 y1 → y2 → y11 的第一级顺序，且每组内自动按第二级（如 '0', '1'）升序排列，完美匹配预期结构。