合并并重新排序DataFrame时行顺序错乱问题求助

原因分析 #

拆分后的df_AT和df_VS继承了原DataFrame重置后的重复索引（比如原索引2的行被拆分到两个子DataFrame中，两者都保留了索引2）。pd.concat合并时，会按传入列表的顺序保留同索引行的先后（先放df_AT的索引2行，再放df_VS的索引2行）；而sort_index仅按索引值排序，不会考虑原DataFrame中同索引行的原始顺序，最终导致部分行的相对顺序和拆分前反转。布局间距混乱则是重复索引引发的显示异常。

解决方法 #

方法1：合并时重置索引（推荐） #

合并时使用ignore_index=True生成新的连续索引，再按原排序依据Time列重新排序，完全还原初始顺序：

df_AT_VS = [df_AT, df_VS]
fin_df_Sched = pd.concat(df_AT_VS, ignore_index=True)
fin_df_Sched = fin_df_Sched.sort_values(by='Time')

方法2：保留原索引但修正顺序 #

如果必须保留原索引，可在拆分前给原DataFrame添加记录原始顺序的列，合并后按该列排序还原顺序：

# 假设原DataFrame名为original_df，拆分前已按Time排序
original_df['original_order'] = range(len(original_df))
# 拆分时保留该列
df_AT = original_df[original_df['H/A'].isin(['H','A'])].copy()
df_VS = original_df[original_df['H/A'] == 'N'].copy()
# 合并后按原始顺序排序，再删除辅助列
fin_df_Sched = pd.concat([df_AT, df_VS]).sort_values(by='original_order').drop(columns='original_order')

内容的提问来源于stack exchange，提问作者Link