範例資料如下：
學年：108, 109
學期：1, 2
學制：”博士班”, “碩士班”, “大學部”
性別：”女”, “男”
import pandas as pd
import numpy as np
year = [108, 109]
semester = [1, 2]
academic = ['博士班', '碩士班', '大學部']
gender = ['女', '男']
index = pd.MultiIndex.from_product([year, semester, academic, gender],
names=['學年', '學期', '學制', '性別'])
df = pd.DataFrame(np.random.randint(300,size=(24,1)),index=index,columns=["學生人數"])
df
輸出結果太長，只截圖一部份：
多接下來先把多重索引取消後，複製成dfcopy
dfcopy = df.reset_index()
dfcopy
輸出結果太長，只截圖一部份：
pandas是有一個排序的函數sort_values，但排序的值只能選由小到大，或由大到小。
假設我們希望資料的排序值如下：
學年：108, 109
學期：1, 2
學制：”大學部”, “碩士班”, “博士班”
性別：”男”, “女”
先來看一下sort_values的排序方式：
dfcopy.sort_values(['學年', '學期', '學制', '性別'], ascending=[True, True, True, False])
輸出結果太長，只截圖一部份：
排序的結果，學年、學期、性別這三個欄位的值都剛好能用內定的排序排好順序，
但偏偏學制的排序不如預期。
學制由小到大的排序：”博士班”, “大學部”, “碩士班”
學制由大到小的排序：”碩士班”, “大學部”, “博士班”
但我們要的排序是這樣：”大學部”, “碩士班”, “博士班”
以此範例而言，
我們很確定學年、學期都是數字，可以很容易控制排序。
假設學制、性別我們要自訂排序，
我們就把這2個欄位先轉成類別後，依自訂需求排序：
dfcopy['學制'] = pd.Categorical(dfcopy['學制'], ["大學部", "碩士班", "博士班"])
dfcopy['性別'] = pd.Categorical(dfcopy['性別'], ["男", "女"])
dfcopy.sort_values(['學年', '學期', '學制', '性別'])
輸出結果太長，只截圖一部份：
dfcopy = dfcopy.sort_values(['學年', '學期', '學制', '性別']).reset_index(drop=True)
dfcopy
輸出結果太長，只截圖一部份：
最後的結果，可以再還原成MultiIndex。
dfcopy = dfcopy.set_index(['學年', '學期', '學制', '性別'])
dfcopy
輸出結果太長，只截圖一部份：
