【问题标题】：Sort a pandas DataFrame by a column in another dataframe - pandas按另一个数据帧中的列对熊猫数据帧进行排序 - 熊猫
【发布时间】：2020-05-12 11:28:33
【问题描述】：

假设我有一个包含两列的 Pandas DataFrame，例如：

df = pd.DataFrame({'a': [1, 2, 3, 4], 'b': [100, 200, 300, 400]})
print(df)

假设我也有一个熊猫系列，比如：

s = pd.Series([1, 3, 2, 4])
print(s)

0    1
1    3
2    2
3    4
dtype: int64

如何将a 列排序为与s 系列相同的顺序，并将相应的行值排序在一起？

我想要的输出是：

有什么办法可以做到吗？

请检查下面的自我回答。

【问题讨论】：

是系列s completely separate from dataframe df? Where does it come from? It makes things easier if you concat series s` 到df。然后你可以简单地做df.sort_values('s')

标签： python pandas dataframe sorting series

【解决方案1】：

怎么样：

(
    df.assign(s=s)
    .sort_values(by='s')
    .drop('s', axis=1)
)

【讨论】：

【解决方案2】：

我经常遇到这些问题，所以我只想在 Pandas 中分享我的解决方案。

解决方案：

解决方案 1：

使用set_index将a列转换为索引，然后使用reindex更改顺序，再使用rename_axis将索引名称改回a，然后使用reset_index为将a 列从索引转换回列：

print(df.set_index('a').reindex(s).rename_axis('a').reset_index('a'))

解决方案 2：

使用set_index 将a 列转换为索引，然后使用loc 更改顺序，然后使用reset_index 将a 列从索引转换回列：

print(df.set_index('a').loc[s].reset_index())

解决方案 3：

使用iloc 以不同的顺序索引行，然后使用map 获得适合df 的顺序，使其与s 系列一起排序：

print(df.iloc[list(map(df['a'].tolist().index, s))])

解决方案 4：

使用pd.DataFrame 创建一个新的DataFrame 对象，然后使用sorted 和key 参数按s 系列对DataFrame 进行排序：

print(pd.DataFrame(sorted(df.values.tolist(), key=lambda x: s.tolist().index(x[0])), columns=df.columns))

时间安排：

用下面的代码计时：

import pandas as pd
from timeit import timeit
df = pd.DataFrame({'a': [1, 2, 3, 4], 'b': [100, 200, 300, 400]})
s = pd.Series([1, 3, 2, 4])
def u10_1():
    return df.set_index('a').reindex(s).rename_axis('a').reset_index('a')
def u10_2():
    return df.set_index('a').loc[s].reset_index()
def u10_3():
    return df.iloc[list(map(df['a'].tolist().index, s))]
def u10_4():
    return pd.DataFrame(sorted(df.values.tolist(), key=lambda x: s.tolist().index(x[0])), columns=df.columns)
print('u10_1:', timeit(u10_1, number=1000))
print('u10_2:', timeit(u10_2, number=1000))
print('u10_3:', timeit(u10_3, number=1000))
print('u10_4:', timeit(u10_4, number=1000))

输出：

u10_1: 3.012849470495621
u10_2: 3.072132612502147
u10_3: 0.7498072134665241
u10_4: 0.8109911930595484

@Allen 也有一个很好的答案。

【讨论】：