基于before_id匹配规则调整pandas DataFrame行位置的方案咨询

你要实现的行重排本质是按节点从属关系排序，完全可以用pandas实现，不需要脱离框架。你之前用reindex不生效的核心原因是：单行Series调用reindex仅会调整当前行的索引顺序，不会修改原DataFrame的整体行排序，且遍历过程中直接修改DataFrame索引会导致后续定位逻辑错乱。

正确实现逻辑参考：

• 先把数据转换为邻接表结构，记录每个node_id对应的所有子节点（即before_id等于该node_id的行）
• 筛选出所有根节点（before_id为空的行），保留原表中的出现顺序
• 对根节点做深度优先遍历，依次收集节点ID，即可得到符合「子节点跟在父节点下方」要求的顺序
• 最后用收集到的ID顺序对原DataFrame重排即可

import pandas as pd
import io

client_data = """node_id,option,before_id
1,A,
5,A,4
4,C,1
6,A,
2,A,1
7,C,6
"""
# 读取数据，把before_id列转为可空整数类型
df = pd.read_csv(io.StringIO(client_data), skipinitialspace=True)
df['before_id'] = df['before_id'].astype('Int64')

# 构建邻接表：key为父节点node_id，value为对应子节点node_id列表
adj_map = {}
for _, row in df.iterrows():
    parent_id = row['before_id']
    if pd.notna(parent_id):
        adj_map.setdefault(parent_id, []).append(row['node_id'])

# 提取所有根节点（无前置id的行），保留原表出现顺序
root_nodes = df[df['before_id'].isna()]['node_id'].tolist()

# 深度优先遍历生成目标顺序
sorted_ids = []
def dfs(node_id):
    sorted_ids.append(node_id)
    # 递归遍历当前节点的所有子节点
    if node_id in adj_map:
        for child_id in adj_map[node_id]:
            dfs(child_id)

for root in root_nodes:
    dfs(root)

# 按生成的顺序重排DataFrame
result_df = df.set_index('node_id').loc[sorted_ids].reset_index()
# 输出到csv
result_df.to_csv('./result3.csv', index=False)

运行上述代码得到的排序结果如下：

node_id,option,before_id
1,A,
4,C,1
5,A,4
2,A,1
6,A,
7,C,6

你给出的预期输出中出现的8,C,2属于测试数据笔误，补充对应数据后代码可自动适配多层级排序。

内容的提问来源于stack exchange，提问作者okkotsu