pandas数据框中的行重新排序子集（重新索引）

Question

使用

import pandas as pd
import numpy as np

鉴于此数据框，

df = pd.DataFrame(np.array([[1, 2, 3],
                             [4, 5, 6],
                             [7, 8, 9],
                             [10, 11, 12],
                             [13, 14, 15],
                             [16, 17, 18],
                             [19, 20, 21]
                             ]),
                   columns=['a', 'b', 'c'])


Out[1]: 
    a   b   c
0   1   2   3
1   4   5   6
2   7   8   9
3  10  11  12
4  13  14  15
5  16  17  18
6  19  20  21

我想重新排序，然后将第2至5行放回原处，

2   7   8   9
3  10  11  12
4  13  14  15
5  16  17  18

如果子集中的顺序是[2,0,1,3]，则期望的结果是，

Out[2]: 
    a   b   c
0   1   2   3
1   4   5   6
4  13  14  15
2   7   8   9
3  10  11  12
5  16  17  18
6  19  20  21

（（我需要对不同顺序的不同子集执行此操作。这只是一个示例。）

我的尝试，

我的子集，

idx = [2,3,4,5]
idx2 = np.array(idx)

新订单

i = [2,0,1,3]

如果有，

df.iloc[idx].reindex(idx2[i])

我确实以正确的顺序获得了子集，然后，我认为以下应该起作用，

df.iloc[idx] = df.iloc[idx].reindex(idx2[i]).reset_index(drop=True)

但不是，因为它们双方都需要匹配索引。因此，我将需要在索引上设置偏移量，这有点麻烦。或进行此操作以忽略右侧的索引。有什么主意吗？

Answer 1

您可以使用基于输入列表的重排索引，然后在将原始索引中的重排索引过滤为2组之后将索引分离，然后使用np.r_和np.r_来实现输出：

df.iloc[]

---

import more_itertools as mit
i = [2,0,1,3] #input list

rearranged_idx = df.index[2:6][i] #since you're interested in rows 2 to 5
i = [list(i) for i in 
     mit.consecutive_groups(df.index.difference(rearranged_idx,sort=False))]
# [[0, 1], [6]]
out = df.iloc[np.r_[i[0],rearranged_idx,i[-1]]]

Answer 2

由于熊猫索引不可变，因此可以将其设置为数组，修改所需数组的一部分，然后按

    a   b   c
0   1   2   3
1   4   5   6
4  13  14  15
2   7   8   9
3  10  11  12
5  16  17  18
6  19  20  21

：

reindex