Python 如何根据'；属性'；排在第一位？

我有一个大熊猫数据帧DF，它几乎占据了我所有的RAM。 它的索引总是下列之一：'c1'，'c2'，'c3'

    0   1   2  ...  n
i            
c1  1   8  15
c2  2   9  16
c1  3  10  17
c3  4  11  18
c2  5  12  19
c1  6  13  20
c3  7  14  21
...

我还有一个字典，其中键与数据帧索引标签“匹配”。这些值是长度为n（等于数据帧列数）的列表/数组

我不想以一种我可以只做DF*DF2的方式构建第二个数据帧DF2，因为我没有足够的RAM，而且这样的数据帧对我来说似乎毫无意义，这意味着它只是数组/列表的重复（如果我错了，请纠正我）

我考虑过使用第二个数据帧，如下所示：

       0      1      2
i                     
c1    10     80    150
c2   200    900   1600
c1    30    100    170
c3  4000  11000  18000
c2   500   1200   1900
c1    60    130    200
c3  7000  14000  21000

       0     1     2
c1    10    10    10
c2   100   100   100
c3  1000  1000  1000

但当我使用DF*DF2时，不知怎么索引会被排序，我不知道如何避免这种情况。 结果:

如果您认为有另一种方法来解决这个问题（不同的数据结构、库等），我们也会很感激

样本代码：

df = pd.DataFrame({0: [1, 2, 3, 4, 5, 6, 7],1: [8, 9, 10, 11, 12, 13, 14], 2: [15, 16, 17, 18, 19, 20, 21]}, index=pd.Index(['c1', 'c2', 'c1', 'c3', 'c2', 'c1', 'c3'], dtype='object', name='i'))
d = {'c1':[10,10,10],'c2':[100,100,100],'c3':[1000,1000,1000]}
df2 = pd.DataFrame.from_dict(d,orient='index')

---

Idea是重复数据消除，按索引，按第一级进行多次，最后按第二级进行删除：

---

作为一个必须在内存不足的系统上工作的老恐龙，我会做我们过去在内存中加载所有内容时所做的事情：我只会将数据帧分块处理，将不需要在实时内存中的内容保存到磁盘

因此，我想：

• 将大数据帧保存到磁盘上的csv文件中，并将其从内存中清除
• 打开该csv文件以按块读取
• 打开新的csv文件以保存结果（带有数据帧的空副本）
• 然后逐块：
  • 读一段
  • 处理它
  • 将其附加到新的csv文件中

---

当然没有购买更多内存的效率高，但是健壮且可扩展。

我只想说两点：我有一个大熊猫数据帧DF，它几乎占用了我所有的RAM：坏主意，因为熊猫需要内存来运行。它的索引总是下列之一：“c1”、“c2”、“c3”：这是个坏主意，因为不唯一的索引通常是以后噩梦的起点。@SergeBallesta非唯一索引背后的理由是，它允许我执行我正在寻找的操作。不过，感谢您指出这一点——我做了一个快速搜索，它似乎确实对性能有一些影响。

          0         1         2
c1      100       800      1500
c1      300      1000      1700
c1      600      1300      2000
c2    20000     90000    160000
c2    50000    120000    190000
c3  4000000  11000000  18000000
c3  7000000  14000000  21000000

df = pd.DataFrame({0: [1, 2, 3, 4, 5, 6, 7],1: [8, 9, 10, 11, 12, 13, 14], 2: [15, 16, 17, 18, 19, 20, 21]}, index=pd.Index(['c1', 'c2', 'c1', 'c3', 'c2', 'c1', 'c3'], dtype='object', name='i'))
d = {'c1':[10,10,10],'c2':[100,100,100],'c3':[1000,1000,1000]}
df2 = pd.DataFrame.from_dict(d,orient='index')

df1 = (df.set_index(np.arange(len(df)), append=True)
         .mul(df2, level=0)
         .reset_index(level=1, drop=True))
print (df1)
       0      1      2
i                     
c1    10     80    150
c2   200    900   1600
c1    30    100    170
c3  4000  11000  18000
c2   500   1200   1900
c1    60    130    200
c3  7000  14000  21000