如何基于From与To列关联关系对Pandas DataFrame按姓名排序？

原始数据 #

现有如下Pandas DataFrame：

需求说明 #

Tony的数据排序不符合要求，Mark的数据是正确的标准格式，需满足：

• 每组以From列为空值的行开头
• 最后一行的To值与Final值一致
• 每行的To值与下一行的From值完全匹配

需要按Name分组，将每组数据重新排序为上述标准序列。

解决方案 #

通过groupby结合自定义排序函数实现路径序列的构建：

代码实现 #

import pandas as pd

# 构建原始DataFrame
data = [
    ["Tony", "C", "D", "D"],
    ["Tony", "B", "C", "D"],
    ["Tony", "", "A", "D"],
    ["Tony", "A", "B", "D"],
    ["Mark", "", "A", "C"],
    ["Mark", "A", "B", "C"],
    ["Mark", "B", "C", "C"],
]
df = pd.DataFrame(data, columns=["Name", "From", "To", "Final"])

def sort_group(group):
    # 建立From到对应行的映射
    from_map = group.set_index("From")["To"].to_dict()
    # 定位起始行（From为空）
    start_row = group[group["From"] == ""].iloc[0]
    sorted_rows = [start_row]
    current_to = start_row["To"]
    final_val = start_row["Final"]
    
    # 按链式关系依次查找后续行
    while current_to != final_val:
        next_row = group[group["From"] == current_to].iloc[0]
        sorted_rows.append(next_row)
        current_to = next_row["To"]
    
    return pd.DataFrame(sorted_rows)

# 分组排序并重置索引
sorted_df = df.groupby("Name", group_keys=False).apply(sort_group).reset_index(drop=True)

排序后结果 #

运行代码后得到的sorted_df如下：

逻辑说明 #

1. 对每个姓名分组，先构建From到To的映射表，用于快速定位下一个节点
2. 找到分组中From为空的起始行，作为序列的第一个元素
3. 从起始行的To值出发，循环查找From等于该值的行，加入序列，直到当前行的To值与Final值一致
4. 将所有分组排序后的结果拼接，得到最终的有序DataFrame

内容的提问来源于stack exchange，提问作者lakadibo