在熊猫数据框中选择行时如何保持顺序？答案

【问题标题】：How to maintain order when selecting rows in pandas dataframe?在熊猫数据框中选择行时如何保持顺序？
【发布时间】：2019-06-19 00:48:10
【问题描述】：

我想以列表中给定的特定顺序选择行。例如

这个数据框

a=[['car',1],['bike',3],['jewel',2],['tv',5],['phone',6]]

df=pd.DataFrame(a,columns=['items','quantity'])

>>> df
   items  quantity
0    car         1
1   bike         3
2  jewel         2
3     tv         5
4  phone         6

我想以['tv','car','phone'] 的顺序获取行，即第一行电视，然后是汽车，然后是电话。我试过这个方法，但它不能维持秩序

arr=['tv','car','phone']

df.loc[df['items'].isin(arr)]

   items  quantity
0    car         1
3     tv         5
4  phone         6

【问题讨论】：

标签： python pandas

【解决方案1】：

这是一个使用Index.get_indexer 的非侵入式解决方案，不涉及设置索引：

df.iloc[pd.Index(df['items']).get_indexer(['tv','car','phone'])]

   items  quantity
3     tv         5
0    car         1
4  phone         6

请注意，如果这将成为一种常见的事情（按事情，我的意思是用列上的列表“索引”），您最好将该列转换为索引。如果你排序，奖励积分。

df2 = df.set_index('items')
df2.loc[['tv','car','phone']]  

       quantity
items          
tv            5
car           1
phone         6

【讨论】：

【解决方案2】：

IIUCCategorical

df=df.loc[df['items'].isin(arr)]
df.iloc[pd.Categorical(df['items'],categories=arr,ordered=True).argsort()]
Out[157]: 
   items  quantity
3     tv         5
0    car         1
4  phone         6

或reindex：注意唯一不同的是这不会保存前一个索引，如果原始索引确实重要，您应该使用Categorical（由Andy L提到，如果您在项目中有重复，reindex 将失败）

df.set_index('items').reindex(arr).reset_index()
Out[160]: 
   items  quantity
0     tv         5
1    car         1
2  phone         6

或者通过arr循环

pd.concat([df[df['items']==x] for x in arr])
Out[171]: 
   items  quantity
3     tv         5
0    car         1
4  phone         6

【讨论】：

reindex 如果他的真实数据有重复items 会失败？
@AndyL。会的，但是，他可以检查我提供的其他方法:-)
酷！只是要求确保我不会误解reindex :)

【解决方案3】：

merge 救援：

(pd.DataFrame({'items':['tv','car','phone']})
   .merge(df, on='items')
)

输出：

   items  quantity
0     tv         5
1    car         1
2  phone         6

【讨论】：

df 不是数组的顺序。
@YaakovBressler 是的，并且与从数组构造的数据框合并会解决这个问题。
我不认为数组的顺序很重要，但如果是呢？有没有办法在合并中维护它？
我不明白。这是在这里使用合并的目的。即merge保留GIVEN数组的顺序。
我明白了。 我的错误，对不起。但是，原始索引丢失了。

【解决方案4】：

对于输入 df 中存在的所有要选择的项目，这里有一个 searchsorted 并且应该具有良好的性能 -

In [43]: sidx = df['items'].argsort()

In [44]: df.iloc[sidx[df['items'].searchsorted(['tv','car','phone'],sorter=sidx)]]
Out[44]: 
   items  quantity
3     tv         5
0    car         1
4  phone         6

【讨论】：

【解决方案5】：

我会创建一个字典，从 arr 和 map 到 items 和 dropna, sort_values

d = dict(zip(arr, range(len(arr))))

Out[684]: {'car': 1, 'phone': 2, 'tv': 0}

df.loc[df['items'].map(d).dropna().sort_values().index]

Out[693]:
   items  quantity
3     tv         5
0    car         1
4  phone         6

【讨论】：

【解决方案6】：

这是另一个使用.loc 的变体。

# Move items to the index, select, then reset.
df.set_index("items").loc[arr].reset_index()

或者其他不改变索引的。

df.loc[df.reset_index().set_index("items").loc[arr]["index"]]

【讨论】：

请注意，.loc 不会保留多索引系列/数据帧中的顺序。单索引和多索引数据帧之间与.loc 的这种差异被认为是bug，solution 是 Pandas 1.1.0 里程碑的一部分。

【解决方案7】：

为什么不：

>>> df.iloc[df.loc[df['items'].isin(arr), 'items'].apply(arr.index).sort_values().index]
   items  quantity
3     tv         5
0    car         1
4  phone         6
>>>

【讨论】：

【解决方案8】：

为什么不搜索索引、过滤和重新排序：

df['new_order'] = df['items'].apply(lambda x: arr.index(x) if x in arr else -1)

df_new = df[df['new_order']>=0].sort_values('new_order')


   items  quantity  new_order
3     tv         5          0
0    car         1          1
4  phone         6          2

【讨论】：