Python 熊猫如何维持秩序？

我在pandas中有两个数据帧，试图合并它们。但是熊猫一直在改变顺序。我尝试过设置索引，重置它们，无论我做什么，我都无法使返回的输出中的行具有相同的顺序。有把戏吗？ 请注意，我们从贷款订单“a，b，c”开始，但合并后是“a，c，b”

---

但现在的顺序不再是原来的“a，b，c”。有什么想法吗？我正在使用pandas版本11。

希望有人能提供更好的答案，但如果没有人这样做，这肯定会奏效，所以

第零，我假设您不希望只在

贷款

上排序，而是保留

x

中的原始顺序，这可能与

贷款

列的顺序有关，也可能与此无关。（否则，问题更容易，也不那么有趣。）

首先，您要求它根据连接键进行排序。如前所述，当您不传递

sort

参数时，这是默认设置

---

其次，如果不根据连接键进行排序，则行最终将分组在一起，这样从同一源行合并的两行将彼此相邻，这意味着您仍将得到

a

，

c

，

b

您可以通过将行按它们在原始

x

中的显示顺序分组来解决此问题，只需再次与

x

合并（在任何一侧，这都不重要），或者根据

x

重新编制索引（如果您愿意）。像这样：

x.merge(x.merge(y, how='left', on='state', sort=False))

---

或者，您可以使用

reset\u index

在其中填充一个x索引，然后对其进行排序，如下所示：

x.reset_index().merge(y, how='left', on='state', sort=False).sort('index')

---

---

无论哪种方式显然都有点浪费和笨拙……所以，正如我所说的，希望有一个更好的答案，而我目前还没有看到。但如果没有，那就行了。

我发现的合并和恢复顺序的最快方法——如果您合并的是“左”数据框，则在合并前将原始顺序作为列包含在左数据框中，然后在合并后使用该列恢复顺序：

import pandas
loans = [  'a',  'b', 'c' ]
states = [  'OR',  'CA', 'OR' ]
x = pandas.DataFrame({ 'loan' : loans, 'state' : states })
y = pandas.DataFrame({ 'state' : [ 'CA', 'OR' ], 'value' : [ 1, 2]})

import numpy as np
x["Order"] = np.arange(len(x))

z = x.merge(y, how='left', on='state').set_index("Order").ix[np.arange(len(x)), :]

这种方法比排序快。这是一个函数：

def mergeLeftInOrder(x, y, on=None):
    x = x.copy()
    x["Order"] = np.arange(len(x))
    z = x.merge(y, how='left', on=on).set_index("Order").ix[np.arange(len(x)), :]
    return z

Pandas有一个函数，因此您的解决方案现在非常简单：

z = pd.merge_ordered(x, y, on='state')

使用

pd.merge\u ordered（）

，文档

以你为例,

z=pd.merge_顺序（x，y，how='left'，on='state'）

---

编辑：只是想指出此函数的默认行为是外部合并，不同于更常见的

的默认行为。merge（）

我可能有一个更简单的解决方案：

df_z = df_x.join(df_y.set_index('state'), on = 'state')

---

希望它有帮助

首先，您需要传递

sort=False

，否则它将在join键上排序，这是您不想要的。但这还不足以解决问题；未排序的顺序仍然将来自同一源行的所有行组合在一起。一个简单的解决方法是执行

x.merge（x.merge（y，how='left'，on='state'，sort=False））

，它将

x

中的每一行与合并中相应的for合并，从而恢复

x

的原始顺序。但我希望有一个更好的解决方案正在我的脑海中闪现。@abarnert，我认为我们可以使用

.join（）

或

.update（）

，它们（出于某种原因）确实保持了秩序。是的，这似乎有效。看起来很浪费，但确实有效。谢谢。@韦斯·麦金尼：我还没有找到一个解释来解释为什么索引会被重新排序。这是相当令人沮丧的，因为我整个下午都在处理这个问题，认为这是我代码中的一个bug。任何解释都将不胜感激@谢谢。这是否也适用于非

左

合并？对于

pd.merge（x，y）

default是

sort=True

，但是对于

x.merge（y）

，缺省值是

sort=False

，而对于

x.merge（y）

，缺省值是

sort=False

，我需要的是sort\u index（），而不是.sort（'index'）在最新版本的Pandaseven中（稍微）更快、可读性更强：“def mergeLeftInOrder2（x，y，on=None）：x=x.copy（）x[“Order”]=np.arange（len（x））z=x.merge（y，how='left'，on=on）。排序（“Order”）返回z.drop（“Order”，1）“``实际上我甚至不能再重新创建OP的问题了-在熊猫0.15.2上似乎不是问题，所以所有的时间问题似乎都没有意义。我想我也不得不使用.loc而不是.ix-疏忽。当我最初提出这个解决方案时（很久以前）我有一个不同版本的pandas，所以我想我会让它保持原样。我可以通过稍微更改输入来重新创建问题。请参见下文。这里的函数（mergeLeftInOrder）修复了它。import pandas loans=['a'，'b'，'c'，'d']state=['CA'，'IL'，'CA'，'或']x=pandas.DataFrame（{'loan'：loans loans，'state'：state}）数据帧（{'state'：['OR'，'CA']，'value'：[1,2]}）z=x.merge（y，how='left'，on='state'）不保留原始数据帧的顺序，但它只是对输出数据帧进行排序。如果

y

数据帧中的

state

是一种索引（或与数据库表等效的主键）您试图使用此索引将

值

添加到每个

贷款

，状态为

y

，则此解决方案是最合适的解决方案。是的，状态是唯一且存在的（键）对于我的示例中的df_y，顺序将与df_x相同，而不考虑df_y的顺序，这是用于时间序列的。

df_z = df_x.join(df_y.set_index('state'), on = 'state')