pandas merge与merge_ordered合并DataFrame时如何保留原始行顺序

使用pd.merge、pd.merge_ordered合并DataFrame时默认会按合并键对结果排序，导致左表原始行顺序被打乱，可通过以下几种方案解决：

• 方法1：merge传sort=False参数（pandas 1.1.0及以上版本适用）
  高版本pandas的merge方法提供了sort参数，传入sort=False即可禁止自动按合并键排序，直接保留左表原始行顺序，修改代码如下：

  import pandas as pd
  
  cols = ['x1', 'x2']
  df = pd.DataFrame([
      ['s1', 'a', 'a', 12],
      ['s2', 'a', 'b', 7],
      ['s3', 'b', 'a', 14],
      ['s4', 'b', 'b', 8],
      ['s5', 'a', 'a', 19],
      ['s6', 'a', 'b', 16],
      ['s7', 'b', 'a', 14],
      ['s8', 'b', 'b', 10]
  ], columns=['s', 'x1', 'x2', 'y'])
  y_ = df.groupby(cols).mean()
  y_.rename(columns={'y': 'y_'}, inplace=True)
  # 新增sort=False参数
  result = pd.merge(df, y_, on=cols, sort=False)
  print(result)
  

  运行后输出和预期结果完全一致。

• 方法2：添加临时排序列（全版本兼容，适配merge/merge_ordered）
  如果使用低版本pandas，或是使用pd.merge_ordered（该方法无内置保留左表顺序的参数），可以先给左表添加一列存储原始行号，合并完成后按该列排序、再删除临时列即可，逻辑稳定无兼容问题：

  # 给左表添加原始顺序标记
  df['_tmp_order'] = range(len(df))
  # 执行合并操作，merge/merge_ordered都适用
  result = pd.merge(df, y_, on=cols)
  # 按原始顺序重排后删除临时列
  result = result.sort_values('_tmp_order').drop(columns=['_tmp_order']).reset_index(drop=True)
  print(result)
  

• 方法3：分组聚合场景用transform替代merge（最优方案）
  示例中的场景本质是分组计算统计值后映射回原表，这种场景不需要使用merge，直接用groupby.transform即可实现，从根源上避免顺序错乱，运行效率也更高：

  import pandas as pd
  
  cols = ['x1', 'x2']
  df = pd.DataFrame([
      ['s1', 'a', 'a', 12],
      ['s2', 'a', 'b', 7],
      ['s3', 'b', 'a', 14],
      ['s4', 'b', 'b', 8],
      ['s5', 'a', 'a', 19],
      ['s6', 'a', 'b', 16],
      ['s7', 'b', 'a', 14],
      ['s8', 'b', 'b', 10]
  ], columns=['s', 'x1', 'x2', 'y'])
  # transform返回的结果和原表行顺序完全对齐
  df['y_'] = df.groupby(cols)['y'].transform('mean')
  print(df)
  

  运行后直接得到符合预期顺序的结果，不需要额外排序操作。

内容的提问来源于stack exchange，提问作者Changkun