如何用Python按特定顺序轮换数据集？以鸢尾花数据集为例

核心思路 #

要实现「物种优先级高于花瓣长度排序」的轮换排列，关键是给每个物种内的行标记轮次序号，再通过轮次+物种的组合排序达成轮换效果，全程用pandas矢量化操作保证百万级数据的处理效率。具体步骤：

1. 按物种分组，每组内按petal length降序排序
2. 给每组内的行分配轮次索引（同位置的行属于同一轮）
3. 先按轮次索引排序，再按物种顺序排序，实现1、2、3的轮换逻辑
4. 计算% dist列：各物种花瓣长度总和 / 全局花瓣长度总和

代码实现 #

import pandas as pd
from sklearn.datasets import load_iris

# 加载鸢尾花数据集
iris = load_iris()
df = pd.DataFrame(data=iris.data, columns=iris.feature_names)
df['species'] = iris.target + 1  # 转换为1、2、3的物种编号

# 1. 按物种分组，组内按花瓣长度降序排序
df_sorted = df.sort_values(by=['species', 'petal length (cm)'], ascending=[True, False])

# 2. 给每个物种内的行添加轮次索引（组内行号，从0开始）
df_sorted['round_idx'] = df_sorted.groupby('species').cumcount()

# 3. 按轮次、物种排序，实现轮换排列
result = df_sorted.sort_values(by=['round_idx', 'species'])

# 4. 计算% dist列
total_petal_sum = df['petal length (cm)'].sum()
species_petal_sum = df.groupby('species')['petal length (cm)'].sum()
result['% dist'] = result['species'].map(species_petal_sum) / total_petal_sum
result['% dist'] = result['% dist'].round(4)  # 按需保留小数位数

# 清理临时列
result = result.drop(columns=['round_idx'])

# 查看结果示例
print(result.head(10))

关键说明 #

• 轮次索引的作用：每个物种内最长花瓣的行轮次为0，次长为1，以此类推。按轮次排序后，所有轮次0的行先按物种1、2、3排列，接着是轮次1的行，完美实现轮换逻辑。
• 效率保障：全程使用pandas分组、排序、矢量化映射操作，无显式循环，处理百万级数据无性能压力。
• 行数不一致处理：若某物种行数更多，多余的行会在后续轮次继续排列（比如物种1有100行、物种2有80行，轮次80-99仅显示物种1的记录）。

内容的提问来源于stack exchange，提问作者mangopie