如何对DataFrame中满足条件的行的指定列子集进行排序？

我来帮你解决这个困扰啦！先理清楚你的需求：你有这样一个DataFrame：

a  b  c  d  e  f  g
0  x  y  1  3  4  5  6
1  x  y -1  7  8  5  6
2  x  y -1  7  8  3  4

想要实现的是：只要行里的c列值等于-1，就把这一行的d到g列按升序重新排列，最终得到这样的结果：

a  b  c  d  e  f  g
0  x  y  1  3  4  5  6
1  x  y -1  5  6  7  8
2  x  y -1  3  4  7  8

你之前试的两种方法没成功，我来帮你分析下原因：

• 第一种用itertuples()遍历的方式：df.replace()是全局匹配值的，而且itertuples()返回的是只读元组，没法直接定位修改原DataFrame的对应行，所以根本改不动数据；
• 第二种尝试用df.loc定位，但没写对赋值的逻辑，所以也没生效。

给你两种靠谱的解决方案 #

方法一：用Pandas的apply（直观易懂）

这种写法逻辑清晰，适合小数据量场景：

import pandas as pd

# 先构建你的DataFrame
data = {
    'a': ['x', 'x', 'x'],
    'b': ['y', 'y', 'y'],
    'c': [1, -1, -1],
    'd': [3, 7, 7],
    'e': [4, 8, 8],
    'f': [5, 5, 3],
    'g': [6, 6, 4]
}
df = pd.DataFrame(data)

# 定义要排序的列范围
cols_to_sort = ['d', 'e', 'f', 'g']

# 核心逻辑：定位c=-1的行，对指定列按行排序后赋值回去
df.loc[df['c'] == -1, cols_to_sort] = df.loc[df['c'] == -1, cols_to_sort].apply(
    lambda row: sorted(row), axis=1, result_type='expand'
)

print(df)

为啥这样能行？

• df.loc[df['c'] == -1, cols_to_sort]精准锁定了需要修改的行和列，不会影响其他数据；
• apply(..., axis=1)是按行处理，每一行的d-g列会被sorted()排序成列表；
• result_type='expand'会把排序后的列表拆成对应列的数值，直接填回原DataFrame的位置。

方法二：用Numpy排序（性能更优）

如果你的DataFrame数据量很大，用Numpy的排序效率会更高：

import pandas as pd
import numpy as np

# 同样先构建DataFrame
data = {
    'a': ['x', 'x', 'x'],
    'b': ['y', 'y', 'y'],
    'c': [1, -1, -1],
    'd': [3, 7, 7],
    'e': [4, 8, 8],
    'f': [5, 5, 3],
    'g': [6, 6, 4]
}
df = pd.DataFrame(data)

cols_to_sort = ['d', 'e', 'f', 'g']
# 先筛选出需要修改的行
mask = df['c'] == -1
# 直接用np.sort对选定的子DataFrame按行排序
df.loc[mask, cols_to_sort] = np.sort(df.loc[mask, cols_to_sort], axis=1)

print(df)

这种方法利用Numpy的向量化操作，比apply循环快很多，适合处理大规模数据。

内容的提问来源于stack exchange，提问作者Florian Bernard