不使用pandas sort方法对指定结尾的DataFrame序列排序

核心思路 #

观察数据可知，IN和OUT存在链式关联：排序后某一行的OUT值等于下一行的IN值，且最后一行固定为IN=5816993, OUT=0。基于这个规律，我们可以从已知的最后一行反向遍历，通过映射关系构建完整的排序序列，全程不需要调用pandas的sort方法。

具体实现步骤 #

1. 构建快速映射字典：将原DataFrame中每行的OUT值作为key，对应的整行数据作为value，这样可以快速通过IN值找到上一行数据。
2. 反向构建序列：从固定的最后一行（OUT=0）开始，循环查找前一行（即OUT等于当前行IN的行），直到遍历完整个链条。
3. 反转得到正序：将反向构建的序列反转，得到符合要求的正序结果。

代码示例（针对df_1） #

import pandas as pd

# 初始化df_1
df_1 = pd.DataFrame()
df_1['IN'] = [5797067,5801307,5801615,5802487,5802839,5803163,5803579,5804175,5804947,5805287,5805559,5816775,5816957,5816993,5817055]
df_1['OUT'] = [5801307, 5801615, 5802487, 5802839, 5803163, 5803579,5804175, 5804947, 5805559, 5816775, 5805287, 5817055, 5816993,0,5816957]

# 构建OUT到行数据的映射字典
out_to_row = {}
for _, row in df_1.iterrows():
    out_to_row[row['OUT']] = {'IN': row['IN'], 'OUT': row['OUT']}

# 反向构建排序序列
sorted_rows = [out_to_row[0]]  # 先加入固定的最后一行
current_in = sorted_rows[-1]['IN']

while current_in in out_to_row:
    prev_row = out_to_row[current_in]
    sorted_rows.append(prev_row)
    current_in = prev_row['IN']

# 反转得到正序
sorted_rows.reverse()

# 转换为排序后的DataFrame
df_sorted = pd.DataFrame(sorted_rows)
print(df_sorted)

适配多个DataFrame #

这个逻辑可直接复用在另外两个DataFrame上：

• 仅需替换代码中的df_1为目标DataFrame。
• 确保目标DataFrame中存在且仅存在一行OUT=0的记录（即固定的最后一行）。

注意事项 #

如果DataFrame中存在多个行的OUT值相同，需根据业务逻辑添加额外筛选规则（比如指定优先级），但从给出的df_1数据来看，所有OUT值都是唯一的，当前代码可直接运行。

内容的提问来源于stack exchange，提问作者Klaus_84