Python 数据帧为每个组重新排序单元格

我有一个由3组组成的数据框架，如：

group   value1   value2   value3
1       A1       A2       A3
1       B1       B2       B3
1       C1       C2       C3
2       D1       D2       D3
2       E1       E2       E3
2       F1       F2       F3
...

我想根据一个固定的规则对每组中的单元格按其“位置”进行重新排序，并在所有组中重复相同的操作

此“固定”规则的工作原理如下：

输入：

group   value1       value2       value3
1       position1    position2    position3
1       position4    position5    position6
1       position7    position8    position9

输出：

group   value1       value2       value3
1       position1    position8    position6
1       position4    position2    position9
1       position7    position5    position3

最终，数据帧应该是这样的（如果这有意义的话）：

如果dataframe只有一个组，我知道如何重新排序-基本上创建一个临时变量来存储值，通过.loc获取每个单元格，并用所需的值覆盖每个单元格

然而，即使我们只有1组3行，这仍然是一个明显愚蠢和乏味的方式

我的问题是：我们可能吗

找到一个常规操作，根据细胞在组中的相对位置重新排列细胞

对所有组重复此操作

---

下面是一个建议，它使用numpy索引，并在每个组上进行重塑

设置：

假设您的原始df和位置数据帧如下所示：

d = {'group': [1, 1, 1, 2, 2, 2],
 'value1': ['A1', 'B1', 'C1', 'D1', 'E1', 'F1'],
 'value2': ['A2', 'B2', 'C2', 'D2', 'E2', 'F2'],
 'value3': ['A3', 'B3', 'C3', 'D3', 'E3', 'F3']}
out_d = {'group': [1, 1, 1, 2, 2, 2], 
         'value1': ['position1', 'position4', 'position7',
                    'position1', 'position4', 'position7'], 
         'value2': ['position8', 'position2', 'position5',
                  'position8', 'position2', 'position5'], 
         'value3': ['position6', 'position9', 'position3', 
                    'position6', 'position9', 'position3']}
df = pd.DataFrame(d)
out = pd.DataFrame(out_d)

print("Original dataframe :\n\n",df,"\n\n Position dataframe :\n\n",out)

Original dataframe :

   group value1 value2 value3
0      1     A1     A2     A3
1      1     B1     B2     B3
2      1     C1     C2     C3
3      2     D1     D2     D3
4      2     E1     E2     E3
5      2     F1     F2     F3 

 Position dataframe :

    group     value1     value2     value3
0      1  position1  position8  position6
1      1  position4  position2  position9
2      1  position7  position5  position3
3      2  position1  position8  position6
4      2  position4  position2  position9
5      2  position7  position5  position3

---

工作解决方案：

方法1:：创建函数并在

df.groupby.apply中使用

#remove letters and extract only position numbers and subtract 1 
#since python indexing starts at 0

o = out.applymap(lambda x: int(''.join(re.findall('\d+',x)))-1 if type(x)==str else x)

#Merge this output with original dataframe
df1 = df.merge(o,on='group',left_index=True,right_index=True,suffixes=('','_pos'))
# Build a function which rearranges the df based on the position df:
def fun(x):
    c = x.columns.str.contains("_pos")
    return pd.DataFrame(np.ravel(x.loc[:,~c])[np.ravel(x.loc[:,c])]
                        .reshape(x.loc[:,~c].shape),
                         columns=x.columns[~c])


方法2:迭代每个组并重新安排：

o = out.applymap(lambda x: int(''.join(re.findall('\d+',x)))-1 if type(x)==str else x)
df1 = df.merge(o,on='group',left_index=True,right_index=True,
               suffixes=('','_pos')).set_index("group")
idx = df1.index.unique()


l = []
for i in idx:
    v = df1.loc[i]
    c = v.columns.str.contains("_pos")
    l.append(np.ravel(v.loc[:,~c])[np.ravel(v.loc[:,c])].reshape(v.loc[:,~c].shape))
final = pd.DataFrame(np.concatenate(l),index=df1.index,
        columns=df1.columns[~c]).reset_index()

print(final)

   group value1 value2 value3
0      1     A1     C2     B3
1      1     B1     A2     C3
2      1     C1     B2     A3
3      2     D1     F2     E3
4      2     E1     D2     F3
5      2     F1     E2     D3

你已经有输出位置数据框了吗？@anky遗憾的是没有，因为实际输入有数百个单元格，我无法手动调整所有单元格。对不起，我不明白，那么重新排列的逻辑是什么？什么是固定规则？@anky啊，对不起，我的意思含糊不清！规则是从示例输入组到输出的转换，与此完全相同。我想将此应用于许多此类组的数据帧。“否”的意思是我没有实际数据帧的输出。@anky他们有其他名称。位置只是表示位置哇，非常感谢！！让我看一看look@GrumpyCivet当然，很乐意帮忙。让我知道进展如何，尽管这是一个有趣的问题。：）我已经添加了2个解决方案。方法1：除了在步骤“输出=（df1.groupby（“组”）。应用（乐趣）。重置索引（“组”）。重置索引（drop=True））”“有一个错误”值错误：无法将大小为9的数组重塑为形状（3,4）”方法2工作得很好！我仍然在弄清楚这到底是怎么回事。无论如何，非常感谢anky@脾气暴躁的果子狸很高兴，想知道为什么这个方法不起作用。它在我的系统上工作。可能在位置df中有其他列，您可能只希望删除并保留组、值1、值2、值3
output = (df1.groupby("group").apply(fun).reset_index("group")
          .reset_index(drop=True))
print(output)

   group value1 value2 value3
0      1     A1     C2     B3
1      1     B1     A2     C3
2      1     C1     B2     A3
3      2     D1     F2     E3
4      2     E1     D2     F3
5      2     F1     E2     D3

o = out.applymap(lambda x: int(''.join(re.findall('\d+',x)))-1 if type(x)==str else x)
df1 = df.merge(o,on='group',left_index=True,right_index=True,
               suffixes=('','_pos')).set_index("group")
idx = df1.index.unique()


l = []
for i in idx:
    v = df1.loc[i]
    c = v.columns.str.contains("_pos")
    l.append(np.ravel(v.loc[:,~c])[np.ravel(v.loc[:,c])].reshape(v.loc[:,~c].shape))
final = pd.DataFrame(np.concatenate(l),index=df1.index,
        columns=df1.columns[~c]).reset_index()

print(final)

   group value1 value2 value3
0      1     A1     C2     B3
1      1     B1     A2     C3
2      1     C1     B2     A3
3      2     D1     F2     E3
4      2     E1     D2     F3
5      2     F1     E2     D3