按列表顺序对pandas DataFrame排序

Question

因此，我有一个熊猫DataFrame，df，其中的列表示生物分类（例如，Kingdom，Phylum，Class等）。我还有一个生物分类标签列表，这些标签与我希望对DataFrame进行排序的顺序相对应。

该列表如下所示：

class_list=['Gammaproteobacteria', 'Bacteroidetes', 'Negativicutes', 'Clostridia', 'Bacilli', 'Actinobacteria', 'Betaproteobacteria', 'delta/epsilon subdivisions', 'Synergistia', 'Mollicutes', 'Nitrospira', 'Spirochaetia', 'Thermotogae', 'Aquificae', 'Fimbriimonas', 'Gemmatimonadetes', 'Dehalococcoidia', 'Oscillatoriophycideae', 'Chlamydiae', 'Nostocales', 'Thermodesulfobacteria', 'Erysipelotrichia', 'Chlorobi', 'Deinococci']

此列表将对应于Dataframe列df['Class']。我想基于列表的顺序对整个数据框的所有行进行排序，因为当前的顺序df['Class']不同。最好的方法是什么？

Answer 1

您可以将该Class列作为索引列

df = df.set_index('Class')

然后使用df.loc重新索引DataFrame class_list：

df.loc[class_list]

最小示例：

>>> df = pd.DataFrame({'Class': ['Gammaproteobacteria', 'Bacteroidetes', 'Negativicutes'], 'Number': [3, 5, 6]})
>>> df
                 Class  Number
0  Gammaproteobacteria       3
1        Bacteroidetes       5
2        Negativicutes       6

>>> df = df.set_index('Class')
>>> df.loc[['Bacteroidetes', 'Negativicutes', 'Gammaproteobacteria']]
                     Number
Bacteroidetes             5
Negativicutes             6
Gammaproteobacteria       3

Answer 2

如果您的原始数据框不包含有序列表中的所有元素，则 Alex 的解决方案不起作用，即：如果您在某个时间点的输入数据不包含“Negativicutes”，则此脚本将失败。解决这个问题的一种方法是将您的 df 附加到列表中并在最后将它们连接起来。例如：

ordered_classes = ['Bacteroidetes', 'Negativicutes', 'Gammaproteobacteria']

df_list = []

for i in ordered_classes:
   df_list.append(df[df['Class']==i)

ordered_df = pd.concat(df_list)