python - Pandas - 如何根据两个 DataFrame 之一给出的顺序对它们进行排序？

Question

如果我有一个 Pandas DataFrame，我希望按其中一列进行排序，那么我可以将一个单独的 DataFrame 与其一起排序吗？ sort 在另一个 DataFrame 上执行的排列与在正在排序的 DataFrame 上执行的排列相同？

请注意，我不能依赖两个 DataFrame 的行索引最初的顺序相同。

其他信息@ami-tavory 的解决方案似乎不适用于我的 .ix 索引。但是，如果我将其更改为 .iloc，它确实可以工作。我无法在 @ami-tavory 的示例代码上重现这一点，但我正在使用的数据帧具有以下布局:

>>> fails_sorted_old.dtypes
image                        object
sampling_pattern             object
delta                       float64
reconstruction_algorithm     object
psnr                        float64
ssim                        float64
time                        float64
dtype: object

>>> fails_sorted_old.shape
(126, 7)

当我这样做时:

idx_by_old_psnr = fails_sorted_old.psnr.argsort()

然后:

fails_sorted_old.ix[idx_by_old_psnr]

给了我一个充满NaN的DataFrame，而这工作正常:

fails_sorted_old.iloc[idx_by_old_psnr]

Answer 1

假设您从两个数据帧开始:

df0 = pd.DataFrame({
    'a': [1, 2, 4, 3], 
    'b': ['a', 'b', 'c', 'd']
})
df1 = pd.DataFrame({
    'f': range(4), 
})

这样:

>> df0
    a   b
 0  1   a
 1  2   b
 2  4   c
 3  3   d

>> df1
    f
0   0
1   1
2   2
3   3

现在，使用 np.argsort ，您可以找到按 a 排序的 df0 索引:

import numpy as np

sorted_inds = np.argsort(df0.a)

并且，通过这些，(完成一次排序)您可以对数据帧进行排序:

df0 = df0.ix[sorted_inds]
df1 = df1.ix[sorted_inds]

所以你有:

>> df0
    a   b
0   1   a
1   2   b
3   3   d
2   4   c

>> df1
    f
0   0
1   1
3   3
2   2