如何在Pandas DataFrame中重排指定行子集并放回原位置？

嘿，这个问题我之前也碰到过！核心问题就是Pandas的赋值会默认匹配索引，导致你直接用带索引的子集赋值时出现不匹配的情况。这里有两种通用的解决方案，对应你不同的需求场景：

方案1：只替换值，保持原行索引不变 #

如果你只是想把原子集里的行按新顺序的值放回原位置，而不改变行索引本身（比如原位置2的值变成原行4的值，行索引还是2），可以直接提取重排后子集的values来赋值：

import pandas as pd
import numpy as np

# 初始DataFrame
df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18], [19, 20, 21]]), columns=['a', 'b', 'c'])

# 定义子集的位置索引（iloc用的位置）和新顺序
subset_positions = [2, 3, 4, 5]
new_subset_order = [2, 0, 1, 3]

# 提取子集并按新顺序重排
reordered_subset = df.iloc[subset_positions].iloc[new_subset_order]
# 用.values跳过索引匹配，直接赋值值
df.iloc[subset_positions] = reordered_subset.values

print(df)

输出结果（行索引保持原顺序，值按要求替换）：

a   b   c
0   1   2   3
1   4   5   6
2  13  14  15
3   7   8   9
4  10  11  12
5  16  17  18
6  19  20  21

方案2：移动行，保留原行索引（完全匹配你想要的Out[2]） #

如果你希望直接把原行按新顺序移动到目标位置，保留原行索引（比如原行4直接移到原位置2，行索引还是4），可以构造完整的行索引列表后重新索引：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18], [19, 20, 21]]), columns=['a', 'b', 'c'])

# 定义子集的行索引（不是位置）和新顺序
subset_indices = [2, 3, 4, 5]
new_subset_order = [2, 0, 1, 3]

# 构造重排后的子集索引
reordered_subset_indices = [subset_indices[i] for i in new_subset_order]
# 构造完整的新行索引列表
new_full_indices = df.index[:2].tolist() + reordered_subset_indices + df.index[6:].tolist()

# 重新索引整个DataFrame
df = df.reindex(new_full_indices)

print(df)

输出结果和你期望的Out[2]完全一致：

a   b   c
0   1   2   3
1   4   5   6
4  13  14  15
2   7   8   9
3  10  11  12
5  16  17  18
6  19  20  21

为什么你的原方法失败？ #

当你执行df.iloc[idx] = df.iloc[idx].reindex(idx2[i]).reset_index(drop=True)时，reset_index(drop=True)会把右侧的索引变成0-3，但左侧df.iloc[idx]对应的原行索引是2-5，Pandas会尝试把右侧索引0对应左侧索引2，1对应3，以此类推，这就导致了值的错位。而用.values或者构造完整行索引的方式，就绕过了索引匹配的逻辑，直接按位置赋值或重排。

这两种方案都能适配不同的子集和新顺序，只需要修改对应的subset_positions/subset_indices和new_subset_order即可。

内容的提问来源于stack exchange，提问作者myradio