熊貓-如何根據其中一個給定的順序對兩個DataFrame進行排序？

Question

如果我有一個希望按其列之一排序的Pandas DataFrame ，那么是否可以將一個單獨的DataFrame一起排序，即，以便排序對另一個DataFrame的排序與對另一個DataFrame排序相同？

請注意，我最初不能依賴兩個DataFrame的行索引。

其他信息 @ ami-tavory的解決方案似乎不適用於.ix索引。 但是，如果我將其更改為.iloc ， .iloc 。 我無法在@ ami-tavory的示例代碼上重現此內容，但是我正在使用的數據幀具有以下布局：

>>> 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)

當我做：

idx_by_old_psnr = fails_sorted_old.psnr.argsort()

然后：

fails_sorted_old.ix[idx_by_old_psnr]

給了我一個充滿NaN的DataFrame ，這很好用：

fails_sorted_old.iloc[idx_by_old_psnr]

Answer 1

假設您從兩個數據幀開始：

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

以便：

>> 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

現在，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)

並且，通過這些操作（完成了一次排序），您可以對數據幀進行排序：

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

所以你有了：

>> 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