我在數(shù)據(jù)框中遇到索引問(wèn)題。我有一個(gè)看起來(lái)像這樣的數(shù)據(jù)：df1 = pd.DataFrame({'Name': ['ABC-123', 'DEF-456', 'GHI-789', 'JKL-321'],'A1': [111, 222, 333, 444],'A2': [555, 666, 777, 888],'A3': [999, 123, 456, 789],'A4': [101, 202, 303, 404],'QQ': [1.3, 2.5, 3.7, 4.9]});我正在處理數(shù)據(jù)，在某些時(shí)候我創(chuàng)建了一個(gè)類似的數(shù)據(jù)框，其中包含原始數(shù)據(jù)中的一些數(shù)據(jù)，但是某處發(fā)生了數(shù)據(jù)索引的混合，因此新數(shù)據(jù)如下所示：df2 = pd.DataFrame({'A1': [444, 222, 111, 333],'A2': [888, 666, 555, 777],'A3': [789, 123, 999, 456],'A4': [404, 202, 101, 303]});行中的數(shù)據(jù)沒(méi)問(wèn)題，只是索引錯(cuò)誤，所以我需要新的數(shù)據(jù)框，但是第二個(gè)數(shù)據(jù)框中的行索引與第一個(gè)數(shù)據(jù)框中的索引匹配，例如第一行的數(shù)字為 444 、888、789 和 404 應(yīng)該有索引 3，而不是 0。我該怎么做？我應(yīng)該將第二個(gè)數(shù)據(jù)幀的每一行與第一個(gè)數(shù)據(jù)幀進(jìn)行比較，如果第二個(gè)數(shù)據(jù)幀中的行與第一個(gè)數(shù)據(jù)幀的一行中的數(shù)據(jù)匹配，則將第二個(gè)數(shù)據(jù)幀中該行的索引更改為匹配行的索引第一個(gè)數(shù)據(jù)框的，但我不知道該怎么做。有什么建議么？來(lái)自評(píng)論的更新：我需要那些索引，但我需要它們，所以它們匹配，即第二個(gè)表中的索引跟在第一個(gè)表中的索引之后。另外，我不能單獨(dú)使用任何列，因?yàn)?non 是唯一的。只有整行是唯一的。我可能應(yīng)該補(bǔ)充說(shuō)，這兩個(gè)表不是真實(shí)的，而是作為示例創(chuàng)建的，我現(xiàn)在看到 ID 列具有誤導(dǎo)性。我已將其更改為 AA，以避免混淆。所以，正如我上面所說(shuō)，列不是唯一的，只有整個(gè)行是唯一的。真實(shí)的表格有超過(guò) 200 列和數(shù)千行。我無(wú)法包含代碼，因?yàn)樗执笥謴?fù)雜，而且我不知道混淆發(fā)生在哪里。這也是無(wú)關(guān)緊要的，因?yàn)槲艺谡務(wù)摰臄?shù)據(jù)已經(jīng)收集并保存在 CSV 文件中，所以這兩個(gè)數(shù)據(jù)幀實(shí)際上是從這些文件中導(dǎo)入的。這是我的問(wèn)題。我無(wú)法重新運(yùn)行原始代碼，即使我修復(fù)了它，因?yàn)檫@需要兩周的時(shí)間。我必須修復(fù)第二個(gè)數(shù)據(jù)幀中的索引，我懷疑如果知道該怎么做的話并沒(méi)有那么復(fù)雜。正如我所說(shuō)，行中的數(shù)據(jù)很好，只是索引混淆了不，它只是這東西的一個(gè)名字，其余的數(shù)據(jù)都是關(guān)于。索引是指數(shù)據(jù)幀索引，因?yàn)樗窃趧?chuàng)建數(shù)據(jù)幀時(shí)由 pandas 默認(rèn)創(chuàng)建的。整個(gè)問(wèn)題是，我通過(guò)從 CSV 文件導(dǎo)入數(shù)據(jù)創(chuàng)建了第一個(gè)數(shù)據(jù)幀，對(duì)該數(shù)據(jù)做了一些非常耗時(shí)的工作，并將結(jié)果導(dǎo)出到另一個(gè) CSV 文件。稍后我導(dǎo)入第二個(gè) CSV 文件進(jìn)行分析時(shí)，我發(fā)現(xiàn)具有相同數(shù)據(jù)的行的索引不匹配。所以現(xiàn)在我必須修復(fù)索引，否則我將失去大約兩周的工作是的，它是行和列的子集。數(shù)據(jù)應(yīng)該是一樣的，只是索引混淆了。如果我可以將 df2 的每一行與 df1 進(jìn)行比較，找出 df1 中該行數(shù)據(jù)的索引是什么，然后更改 df2 中該行的索引，這將解決問(wèn)題。我只需要 df2 中的行索引與 df1 的相關(guān)行索引相匹配。df2 索引是混合的。df1 中的索引與兩個(gè)數(shù)據(jù)幀中的索引一樣。不，df2 只有 df1 的一些列和 df1 的一些行，但數(shù)據(jù)將在它們之間匹配。順序不同，這意味著索引不同，如果相同的話。但我想有可能對(duì)行進(jìn)行排序，索引沒(méi)有按順序排列。