那么:

(
    df.assign(s=s)
    .sort_values(by='s')
    .drop('s', axis=1)
)

我经常遇到这些问题,所以我只是想在熊猫中分享我的解决方案。

解决:

解决方案1:

set_index 转换 a 列,然后使用 reindex 要更改顺序,请使用 rename_axis 将索引名称更改回 A. ,然后使用 reset_index 转换 A. 从索引返回到列的列:

print(df.set_index('a').reindex(s).rename_axis('a').reset_index('a'))

解决方案2:

使用 集合索引 转换 A. 列,然后使用 loc 要更改顺序,请使用 重置索引 转换 A. 从索引返回到列的列:

print(df.set_index('a').loc[s].reset_index())

解决方案3:

使用 iloc 要以不同的顺序索引行,请使用 map 为了得到符合要求的订单 df 让它和 s 系列:

print(df.iloc[list(map(df['a'].tolist().index, s))])

解决方案4:

使用 pd.DataFrame 要创建新的DataFrame对象,请使用 sorted 用一个 key 参数按 s 系列:

print(pd.DataFrame(sorted(df.values.tolist(), key=lambda x: s.tolist().index(x[0])), columns=df.columns))

时间安排:

使用以下代码计时:

import pandas as pd
from timeit import timeit
df = pd.DataFrame({'a': [1, 2, 3, 4], 'b': [100, 200, 300, 400]})
s = pd.Series([1, 3, 2, 4])
def u10_1():
    return df.set_index('a').reindex(s).rename_axis('a').reset_index('a')
def u10_2():
    return df.set_index('a').loc[s].reset_index()
def u10_3():
    return df.iloc[list(map(df['a'].tolist().index, s))]
def u10_4():
    return pd.DataFrame(sorted(df.values.tolist(), key=lambda x: s.tolist().index(x[0])), columns=df.columns)
print('u10_1:', timeit(u10_1, number=1000))
print('u10_2:', timeit(u10_2, number=1000))
print('u10_3:', timeit(u10_3, number=1000))
print('u10_4:', timeit(u10_4, number=1000))

输出:

u10_1: 3.012849470495621
u10_2: 3.072132612502147
u10_3: 0.7498072134665241
u10_4: 0.8109911930595484

@艾伦也有一个很好的答案。