求Python代码：按Column3顺序重排Pandas DataFrame数据块内列1和列2

你遇到的IndexError: index 0 is out of bounds for axis 0 with size 0，本质是原代码逻辑错误：处理第一个非标题行时，new_df里只有刚添加的标题行，new_df['Column 1'] == position找不到匹配项，返回空索引后强行取[0]导致越界。而且逐行插入的方式效率极低，也没抓住问题核心——应该按块处理，先建立映射再批量重排。

解决方案代码 #

核心思路是先把数据按标题行（含'm'或Column2为空的行）分割成独立块，每个块内建立Column3到(Column1, Column2)的映射，再按Column3的顺序生成新行，让Column1与Column3值一致，同时同步对应Column2：

import pandas as pd

# 构造原始数据（也可直接读取你的数据源）
data = [
    ["m26:1_8.6", None, "m26:1_8.6"],
    ["FA8:0", 329448.0313, "FA18:1"],
    ["FA18:1", 4048785.5, "FA12:0"],
    ["FA10:0", 2232634.75, "FA10:0"],
    ["FA12:0", 2541154.25, "FA8:0"],
    ["m26:0_8.8", None, "m26:0_8.8"],
    ["FA8:0", 2084220.75, "FA10:0"],
    ["FA10:0", 5801817, "FA12:0"],
    ["FA2:0", 158898.5625, "FA8:0"],
    ["FA12:0", 3270664.25, "FA2:0"],
]
df = pd.DataFrame(data, columns=["Column 1", "Column 2", "Column 3"])

# 1. 标记标题行：Column2为空 或 Column1包含'm'
df["is_header"] = df["Column 2"].isna() | df["Column 1"].str.contains("m")

# 2. 给每个行分配块ID（每个标题行启动一个新块）
df["block_id"] = df["is_header"].cumsum()

# 3. 逐个处理每个数据块
result_rows = []
for block_id in df["block_id"].unique():
    block = df[df["block_id"] == block_id].copy()
    # 先加入当前块的标题行
    header_row = block[block["is_header"]].iloc[0]
    result_rows.append(header_row)
    # 提取当前块的非标题数据行
    data_rows = block[~block["is_header"]]
    # 建立Column3到(Column1, Column2)的映射字典
    pos_mapping = data_rows.set_index("Column 3")[["Column 1", "Column 2"]].to_dict("index")
    # 按原数据行的Column3顺序生成重排后的行
    for pos in data_rows["Column 3"]:
        new_row = pd.Series({
            "Column 1": pos,
            "Column 2": pos_mapping[pos]["Column 2"],
            "Column 3": pos
        })
        result_rows.append(new_row)

# 4. 拼接结果并清理辅助列
new_df = pd.DataFrame(result_rows).reset_index(drop=True)
print(new_df)

代码说明 #

1. 分块标记：用is_header标记标题行，再通过cumsum()生成块ID，把整个DataFrame拆成多个独立的数据块。
2. 映射建立：每个块内，将Column3作为键，对应行的Column1和Column2作为值，建立映射关系。
3. 重排生成：遍历原数据行的Column3值，直接用该值作为新行的Column1，同时从映射中取出对应的Column2，确保顺序和对应关系正确。

运行后输出将完全符合你的期望格式。

内容的提问来源于stack exchange，提问作者Megan Lee