如何用numpy.argsort结果对Pandas DataFrame行排序？

直接用df[idx]行不通，是因为Pandas的方括号索引是按列标签匹配的，不是按行内位置索引重新排列每行元素。下面给你两种可行的解决方法：

方法1：用numpy的take_along_axis（效率优先，推荐） #

np.take_along_axis可以直接对numpy数组按指定的逐行索引进行排序，处理后再转回DataFrame，还能保留原有的索引和列名：

import numpy as np
import pandas as pd

# 假设已经有df、df2，以及通过idx = np.argsort(df, axis=1)得到的索引
# 对df排序
df_sorted = pd.DataFrame(
    np.take_along_axis(df.to_numpy(), idx, axis=1),
    index=df.index,
    columns=df.columns
)

# 对同形状的df2做同样排序
df2_sorted = pd.DataFrame(
    np.take_along_axis(df2.to_numpy(), idx, axis=1),
    index=df2.index,
    columns=df2.columns
)

方法2：用Pandas的apply+iloc（适合小数据集） #

逐行调用iloc，按位置索引重新排列每行元素：

# 对df排序
df_sorted = df.apply(lambda row: row.iloc[idx[row.name]], axis=1)

# 对df2排序
df2_sorted = df2.apply(lambda row: row.iloc[idx[row.name]], axis=1)

注意：这种方法是逐行循环处理，数据集较大时，效率会比numpy方法低不少。

内容的提问来源于stack exchange，提问作者user3252986