如何重排DataFrame使ID_exp列顺序与ID_off列匹配

• 处理实验数据时，需要将采集得到的样本ID列ID_exp（每行绑定该样本的全部实验属性数据），按照官方要求的标准ID顺序列ID_off逐行对齐：相同ID需处于同一行，ID_off长度大于ID_exp（存在未采集完成的样本位），无匹配ID的位置ID_exp及关联实验字段填充NaN。
• 初始尝试手写while循环实现重排，但存在索引更新逻辑不明确、运行效率低的问题，容易出现匹配错误。

测试样例 #

原始输入 #

ID_exp = ["A", "C", "Z", "X", "J", "O", "P", "Y", "E", "W", "Q", "L"]
ID_off = ["C", "Z", "J", "O", "Y", "B", "A", "W", "L", "Q", "E", "X", "P", "B", "V", "M", "R"]

期望输出 #

ID_exp_aligned = ["C", "Z", "J", "O", "Y", None, "A", "W", "L", "Q", "E", "X", "P", None, None, None, None]
ID_off = ["C", "Z", "J", "O", "Y", "B", "A", "W", "L", "Q", "E", "X", "P", "B", "V", "M", "R"]

不需要手写循环遍历，用pandas内置的匹配逻辑即可实现，运行效率高且不会出现索引错误，以下两种方案均可满足需求：

方案1：字典映射法（可控性强） #

先将ID_exp和对应行的所有实验数据构建为ID到数据的映射字典，再按ID_off的顺序逐行取值，无匹配项自动填充NaN，适合需要自定义匹配规则的场景。

import pandas as pd

# 替换为你的真实实验数据表，包含ID_exp列和所有实验数据列
exp_df = pd.DataFrame({
    "ID_exp": ["A", "C", "Z", "X", "J", "O", "P", "Y", "E", "W", "Q", "L"],
    "sample_value": [f"val_{sid}" for sid in ["A", "C", "Z", "X", "J", "O", "P", "Y", "E", "W", "Q", "L"]]
})

# 替换为你的官方标准ID表，包含ID_off列
off_df = pd.DataFrame({
    "ID_off": ["C", "Z", "J", "O", "Y", "B", "A", "W", "L", "Q", "E", "X", "P", "B", "V", "M", "R"]
})

# 构建ID到行数据的映射
id_mapping = exp_df.set_index("ID_exp").to_dict("index")
result_df = off_df.copy()

# 逐列填充匹配到的实验数据
for col in exp_df.columns:
    result_df[col] = result_df["ID_off"].apply(
        lambda sid: sid if col == "ID_exp" and sid in id_mapping 
        else id_mapping[sid][col] if col != "ID_exp" and sid in id_mapping
        else None
    )

方案2：左连接法（代码最简） #

以存储ID_off的标准顺序表为左表，和实验数据表做左连接，pandas会自动按ID匹配数据，无匹配的位置自动填充NaN，适配ID重复的场景。

# 给实验表加匹配用的ID键
exp_df["match_id"] = exp_df["ID_exp"]

# 左连接对齐
result_df = pd.merge(
    left=off_df.rename(columns={"ID_off": "match_id"}),
    right=exp_df,
    on="match_id",
    how="left"
).drop(columns=["match_id"])

两种方案输出结果完全一致，均能匹配样例的对齐要求，即使ID_off存在重复ID（如样例中的"B"出现2次）也能正确处理。

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