pandas入门问题：如何批量将Wife对应行移动到Husband行的下方

现有代码问题排查 #

• 你每次调用append时都基于原始df操作，而非逐步累加的df1，会导致最终结果重复出现所有原始数据4次，完全不符合预期
• Pandas 2.0及以上版本已经废弃append方法，官方推荐使用pd.concat实现数据拼接
• 你示例数据中存储身份的列名为A，但代码中写的是Relationship，需要和实际列名对齐

正确实现方案 #

方案1：自定义优先级排序（推荐） #

通过设置自定义排序规则，自动将所有行按「Husband → Wife → Kids → Cousin」的顺序排列，同时支持按B列分组后每组独立排序，完美匹配你的两个示例场景：

import pandas as pd

df = pd.read_csv("Test.csv")
# 定义排序优先级，数值越小排越靠前
sort_order = {"Husband": 1, "Wife": 2, "Kids": 3, "Cousin": 4}

# 如果需要按B列（测试类型）分组，每组单独排序，用下面这行
df_result = df.groupby("B", group_keys=False).apply(
    lambda x: x.sort_values("A", key=lambda s: s.map(sort_order))
).reset_index(drop=True)

# 如果不需要分组，全表直接排序，替换为下面这行即可
# df_result = df.sort_values("A", key=lambda s: s.map(sort_order)).reset_index(drop=True)

print(df_result)

方案2：筛选拼接（和你原有思路一致） #

如果偏好你原本的分步筛选拼接逻辑，修改为正确的累加写法即可：

import pandas as pd

df = pd.read_csv("Test.csv")
df_result = pd.DataFrame()
# 按需求顺序依次筛选拼接
for identity in ["Husband", "Wife", "Kids", "Cousin"]:
    df_result = pd.concat([df_result, df[df["A"] == identity]], ignore_index=True)

print(df_result)

提示：如果你的实际数据中存储身份的列名是Relationship，把上述代码中所有的"A"替换为"Relationship"即可。

内容的提问来源于stack exchange，提问作者junior21