Python 从列表中按列表顺序选择数据帧的行

该问题最初是作为评论提出的，但由于该问题被标记为重复问题，因此无法得到正确答案

对于给定的

pandas.DataFrame

，让我们说

df = DataFrame({'A' : [5,6,3,4], 'B' : [1,2,3, 5]})
df

     A   B
0    5   1
1    6   2
2    3   3
3    4   5

如何根据列中的值从列表中选择行（例如，

'a'

）

比如说

# from
list_of_values = [3,4,6]

# we would like, as a result
#      A   B
# 2    3   3
# 3    4   5
# 1    6   2

如前所述使用

isin

是不令人满意的，因为它不能保持

'A'

值输入列表中的顺序

---

如何实现上述目标？

克服这一问题的一种方法是将

'A'

列作为

索引

，并在新生成的

pandas.DataFrame

上使用

loc

。最终，可以重置子采样数据帧的索引

以下是如何：

ret = df.set_index('A').loc[list_of_values].reset_index(inplace=False)

# ret is
#      A   B
# 0    3   3
# 1    4   5
# 2    6   2 

请注意，此方法的缺点是，原始索引已在该过程中丢失

---

有关熊猫索引的详细信息：

1]值列表的通用方法

In [936]: dff = df[df.A.isin(list_of_values)]

In [937]: dff.reindex(dff.A.map({x: i for i, x in enumerate(list_of_values)}).sort_values().index)
Out[937]:
   A  B
2  3  3
3  4  5
1  6  2

2]如果排序了

值列表

。你可以用

In [926]: df[df.A.isin(list_of_values)].sort_values(by='A')
Out[926]:
   A  B
2  3  3
3  4  5
1  6  2

与列表创建的helper

DataFrame

一起使用，并与匹配列的列名一起使用：

df = pd.DataFrame({'A' : [5,6,3,4], 'B' : [1,2,3,5]})

list_of_values = [3,6,4]
df1 = pd.DataFrame({'A':list_of_values}).merge(df)
print (df1)
   A  B
0  3  3
1  6  2
2  4  5

对于更一般的解决方案：

df = pd.DataFrame({'A' : [5,6,5,3,4,4,6,5], 'B':range(8)})
print (df)
   A  B
0  5  0
1  6  1
2  5  2
3  3  3
4  4  4
5  4  5
6  6  6
7  5  7

list_of_values = [6,4,3,7,7,4]

---

---

原始索引在此过程中丢失。@零-然后是必需的

df1=pd.DataFrame（{'A'：list\u of\u values}）、merge（df.reset\u index（））.set\u index（'index'）。rename\u axis（None）

实际上，我发现这种方法在

list\u of\u values

包含重复值的情况下不起作用：顺序不能保证保持。很抱歉，我不得不取消通知answer@syltruong-我尝试为重复值

（4）

和不匹配值

（7）

创建更通用的解决方案。有一个问题-

列表的所有值都在列中？是否有可能
列出\u值=[3,4,6,7,7,4]
？实际上没有，但该解决方案确实存在不处理列外值的不便。最好的解决方案是不删除原始索引、处理重复值的最通用解决方案？
#create df from list 
list_df = pd.DataFrame({'A':list_of_values})
print (list_df)
   A
0  6
1  4
2  3
3  7
4  7
5  4

#column for original index values
df1 = df.reset_index()
#helper column for count duplicates values
df1['g'] = df1.groupby('A').cumcount()
list_df['g'] = list_df.groupby('A').cumcount()

#merge together, create index from column and remove g column
df = list_df.merge(df1).set_index('index').rename_axis(None).drop('g', axis=1)
print (df)
   A  B
1  6  1
4  4  4
3  3  3
5  4  5