Question

上下文

我有一个pandas-DataFrame，其结构类似于左侧的表格：

      + Category + Content + Layer                + Category + Content + Layer
Index |          |         |                Index |          |         |      
----------------------------------          ----------------------------------  
000001|   "A"    | "Dummy" |  0         ->  000001|   "A"    | "Dummy" |  0   
----------------------------------          ----------------------------------
000002|   "A"    | "Dummy" |  1         ->  000003|   "A"    | "Dummy" |  0   
----------------------------------          ----------------------------------
000003|   "A"    | "Dummy" |  0         ->  000002|   "A"    | "Dummy" |  1   
----------------------------------          ----------------------------------
000004|   "A"    | "Dummy" |  1         ->  000004|   "A"    | "Dummy" |  1    
----------------------------------          ----------------------------------
000005|   "B"    | "Dummy" |  2         =   000005|   "B"    | "Dummy" |  2   
----------------------------------          ----------------------------------
000006|   "B"    | "Dummy" |  0         =   000006|   "B"    | "Dummy" |  0   
----------------------------------          ----------------------------------
000007|   "B"    | "Dummy" |  4         =   000007|   "B"    | "Dummy" |  4   
----------------------------------          ----------------------------------

我想要实现的是像右图那样对数据框重新排序。

问题

如右表所示，仅应重新定义数据帧的一部分-仅将category == "A"的元素以其layer的升序进行排序。 category == "B"的所有元素都必须保持原样（这是我目前在使用dataframe.sort_values()等时遇到的问题。）

如何在不影响其余部分的情况下仅对数据框的指定部分重新排序（重新排序）？

Answer 1

您可以分两个步骤进行操作：

按条件过滤行，例如，通过创建布尔mask
通过.loc直接寻址底层numpy数组（以防止索引值对齐）

.loc：按标签或布尔数组访问一组行和列。（Link to pandas-Documentation）

    #Boolean mask of the entire dataframe in order to identify relevant rows
    mask = df['Category'].eq('A')     #Anlog to mask = (df["Category"] == 'A')

    #pandas >= 0.24
    df.loc[mask] = df.loc[mask].sort_values('Layer').to_numpy()

    #pandas < 0.24
    df.loc[mask] = df.loc[mmask.sort_values('Layer').values

    #Result
    print (df)
           Category Content  Layer
    Index                         
    000001        A   Dummy      0
    000002        A   Dummy      0
    000003        A   Dummy      1
    000004        A   Dummy      1
    000005        B   Dummy      2
    000006        B   Dummy      0
    000007        B   Dummy      4

仅对熊猫DataFrame的一部分重新排序

1 个答案: