Pandas DataFrame行顺序是否稳定？子集索引映射可行性问询

• 结论：只要不对DataFrame执行会改变行顺序的操作（比如排序、重置索引后重排、抽样打乱等），给定索引值的行在DataFrame中的位置就是固定的，完全可以依赖这个行顺序实现你的需求。

• 具体说明：

  • 你的示例代码中，preprocessed_data = data['A'].values会严格按照DataFrame当前的行顺序生成numpy数组，每个unit_id对应的数组行索引是固定的，只要后续没有修改DataFrame的行顺序。
  • 通过np.flatnonzero(data['B'])获取的子集数组索引，和preprocessed_data的行索引完全对应，因为data['B']的行顺序和整个DataFrame保持一致。

• 需要规避的风险：

  • 如果后续对DataFrame执行sort_index()、sort_values()、sample()这类改变行顺序的操作，原有的unit_id到数组行索引的映射会直接失效，必须重新生成数组和子集索引。
  • 建议提前保存一份unit_id到数组行索引的映射字典，比如：

    id_to_idx = {unit_id: idx for idx, unit_id in enumerate(data.index)}
    

    这样即使不小心修改了行顺序，也能通过这个字典重新关联，避免出错。

• 验证方法：可以随时用data.index.get_loc(unit_id)获取某个unit_id对应的DataFrame行位置，和数组索引对比，确认映射关系未被破坏。

内容的提问来源于stack exchange，提问作者janosch