Python获取无序列表（DataFrame列）对应有序列表的索引方法

情况1：所有元素都是唯一的 #

这种场景下解法非常直接，利用Pandas的Series构建元素到原索引的映射，就能快速拿到目标索引：

import pandas as pd

# 示例数据（替换成你的DataFrame列即可）
list1 = [3, 1, 2]  # 无序列表/DataFrame列
list2 = [1, 2, 3]  # 有序列表/DataFrame列

# 构建「元素值→原位置索引」的映射关系
element_to_idx = pd.Series(range(len(list1)), index=list1)
# 用有序列表匹配得到对应的索引列表
indices = element_to_idx.loc[list2].tolist()

# 验证结果：list1[indices] 完全等于 list2
print([list1[i] for i in indices])  # 输出：[1, 2, 3]

情况2：存在重复元素 #

如果两个列表里有重复值，上面的方法会默认取每个元素第一次出现的索引，显然不符合需求。这时候我们需要给重复元素加上「出现次数标记」，确保匹配到正确的位置：

方法A：Pandas合并法（直观易读）

通过给每个相同元素按出现顺序编号，再合并匹配，逻辑清晰易懂：

import pandas as pd

list1 = [2, 1, 2, 3]
list2 = [2, 2, 1]

# 给无序列表的元素添加出现计数
df1 = pd.DataFrame({
    'val': list1,
    'original_idx': range(len(list1))
})
df1['count'] = df1.groupby('val').cumcount()

# 给有序列表的元素添加同样规则的计数
df2 = pd.DataFrame({'val': list2})
df2['count'] = df2.groupby('val').cumcount()

# 合并匹配得到目标索引
indices = df2.merge(df1, on=['val', 'count'], how='left')['original_idx'].tolist()

# 验证结果
print([list1[i] for i in indices])  # 输出：[2, 2, 1]

方法B：Numpy偏移法（高效处理大数据）

如果数据量很大，用Numpy的方法性能更优。原理是给每个元素加一个极小的独特偏移，让重复元素变得「唯一」，再通过排序和搜索完成匹配：

import numpy as np

list1 = [2, 1, 2, 3]
list2 = [2, 2, 1]

# 添加极小偏移，让重复元素拥有唯一标识
list1_with_offset = np.array(list1) + np.arange(len(list1)) * 1e-10
list2_with_offset = np.array(list2) + np.arange(len(list2)) * 1e-10

# 对无序列表按偏移后的值排序，得到排序索引
sorted_indices = np.argsort(list1_with_offset)
# 搜索有序列表偏移后的值在排序后的列表中的位置，映射回原索引
indices = sorted_indices[np.searchsorted(list1_with_offset[sorted_indices], list2_with_offset)]

# 验证结果
print([list1[i] for i in indices])  # 输出：[2, 2, 1]

注意事项 #

• 确保list2中的所有元素都存在于list1中，否则Pandas方法会返回NaN，Numpy方法会报错。可以提前用set(list2).issubset(set(list1))做合法性检查。
• 如果直接处理DataFrame列，把代码中的list1和list2替换成对应的列名即可，无需额外转换。

内容的提问来源于stack exchange，提问作者dduque