如何在忽略索引对齐的情况下分配列答案

【问题标题】：How to assign columns while ignoring index alignment如何在忽略索引对齐的情况下分配列
【发布时间】：2013-04-05 10:50:37
【问题描述】：

假设我在 Pandas 中有两个数据框 x 和 y，我想用 y 中的一列排序结果填写 x 中的一列。我试过这个：

x['foo']  = y['bar'].order(ascending=False)

但它不起作用，我怀疑因为 Pandas 在分配期间在x 和y（具有相同的索引集）之间对齐索引

如何让 Pandas 用另一个数据帧中的另一列忽略索引的对齐来填充 x['foo']？

【问题讨论】：

标签： python pandas

【解决方案1】：

我能想到的让pandas 忽略索引的最简单方法是给它一些没有索引可以忽略的东西。从

开始

>>> x = pd.DataFrame({"foo": [10,20,30]},index=[1,2,0])
>>> y = pd.DataFrame({"bar": [33,11,22]},index=[0,1,2])
>>> x
   foo
1   10
2   20
0   30
>>> y
   bar
0   33
1   11
2   22

我们有通常的对齐方法：

>>> x["foo"] = y["bar"].order(ascending=False)
>>> x
   foo
1   11
2   22
0   33

或未对齐的，通过将x["foo"] 设置为列表：

>>> x["foo"] = y["bar"].order(ascending=False).tolist()
>>> x
   foo
1   33
2   22
0   11

【讨论】：

我明白了，谢谢。 my_series.tolist() 会比 np.array(my_series) 或 my_series.values() 更好/更差吗？
除了在某些边界情况下，我不知道它是否会有很大的不同。想一想，my_series.values 可能会更好，因为它不必通过 Python 列表，因此可以更快。 [检查..是的，至少有时它更快。]
to_list 和tolist 有什么区别？我怀疑它们是一样的，但我怎样才能确定呢？
@AmelioVazquez-Reina 请注意，它只是 .values 没有括号

【解决方案2】：

我尝试了代码，但似乎 order() 方法已被弃用，这并不奇怪，因为最初的问题已经很老了。所以现在我们只剩下sort_values() 来实现相同的结果。最重要的是，还有一个改进之处在于使用to_numpy()，因为它稍微快一些，并且在大数据帧的情况下可能有用（.values 甚至更快，但建议在生产时使用to_numpy()，如解释的那样这里：https://stackoverflow.com/a/54324513/4909087)

>>> x["foo"] = y["bar"].sort_values(ascending=False)
>>> x
   foo
1   33
2   22
0   11

>>> %timeit x["foo"] = y["bar"].sort_values(ascending=False).to_list()
165 µs ± 965 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> %timeit x["foo"] = y["bar"].sort_values(ascending=False).to_numpy()
136 µs ± 421 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> %timeit x["foo"] = y["bar"].sort_values(ascending=False).values
129 µs ± 826 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

【讨论】：