如何按匹配得分排序DataFrame中的多组匹配相关列？

问题说明 #

现有一个企业名称匹配结果的DataFrame，结构如下：

• 包含original_name列，存储原始企业名称
• 剩余列按匹配组划分，每组对应match_name_X、score_X、match_index_X三列（X从0到N），代表一组匹配结果

需要生成新的DataFrame，满足：

1. original_name列保持不变
2. 后续的匹配组按得分从高到低排序
3. 得分相同时，原位置更靠左的匹配组优先级更高

示例输入表格：

解决方案 #

以下是基于Pandas的实现代码，核心思路是将每个匹配组作为独立单元，按规则排序后重新拼接：

import pandas as pd

def sort_matches(row):
    # 提取原始名称
    original = row['original_name']
    # 提取所有匹配组数据，并记录原始位置
    match_groups = []
    total_groups = (len(row) - 1) // 3  # 总匹配组数
    for x in range(total_groups):
        match_name = row[f'match_name_{x}']
        score = row[f'score_{x}']
        match_idx = row[f'match_index_{x}']
        match_groups.append( ( -score, x, match_name, score, match_idx ) )
    
    # 排序：先按负score降序（即score从高到低），再按原始位置x升序
    match_groups.sort()
    
    # 展开排序后的结果，去掉排序用的key
    sorted_data = []
    for item in match_groups:
        sorted_data.extend( [item[2], item[3], item[4]] )
    
    # 拼接原始名称和排序后的匹配数据
    return pd.Series( [original] + sorted_data )

# 构造示例DataFrame（替换为你的实际数据）
data = {
    'original_name': [
        'aberdeen asset management plc',
        'agi partners llc',
        'alberta investment management corporation'
    ],
    'match_name_0': [
        'aberdeen asset management sa',
        'agi partners llc',
        'alberta investment management corporation'
    ],
    'score_0': [100, 100, 100],
    'match_index_0': [2114, 5274, 6754],
    'match_name_1': [
        'aberdeen asset management plc esop',
        'agi partners llc',
        'alberta investment management corporation pension arm'
    ],
    'score_1': [100, 100, 100],
    'match_index_1': [2128, 5273, 6755],
    'match_name_2': [
        'aberdeen asset management inc',
        'agr partners llc',
        'anchor investment management corporation'
    ],
    'score_2': [100, 57.51100704, 17.50748486],
    'match_index_2': [2123, 5378, 10682],
    'match_name_3': [
        'aberdeen asset management spain',
        'aci partners llc',
        'cbc investment management corporation'
    ],
    'score_3': [71.18779356, 53.45090217, 11.79760839],
    'match_index_3': [2132, 3097, 36951],
    'match_name_4': [
        'aberdeen asset management ireland',
        'avi partners llc',
        'harvest investment management corporation'
    ],
    'score_4': [69.50514818, 53.45090217, 31.70316571],
    'match_index_4': [2125, 17630, 85547]
}
df = pd.DataFrame(data)

# 应用排序函数
sorted_df = df.apply(sort_matches, axis=1)

# 重新设置列名
total_groups = (len(df.columns) - 1) // 3
new_columns = ['original_name']
for x in range(total_groups):
    new_columns.extend( [f'match_name_{x}', f'score_{x}', f'match_index_{x}'] )
sorted_df.columns = new_columns

print(sorted_df)

代码说明 #

1. 提取匹配组：遍历每行数据，将每个match_name_X、score_X、match_index_X组合成一个单元，并记录原始位置x
2. 排序逻辑：使用(-score, x)作为排序key，负score实现得分降序，原始位置x保证得分相同时原位置靠前的组优先
3. 重新拼接：将排序后的匹配组展开，与原始名称拼接成新行，最后重置列名保持原有格式

运行后，示例中第三行的匹配组会按得分排序为：score=100的两组 → score=31.7的组 → score=17.5的组 → score=11.8的组，符合要求。

内容的提问来源于stack exchange，提问作者novawaly