问题描述
这是一个多部分问题。我已经为每个单独的部分找到了解决方案，但是当我尝试组合这些解决方案时，我没有得到我想要的结果。
假设这是我的数据框：
df = pd.DataFrame(list(zip([1,3,6,7,8,4],[6,9,5,1])),columns = ['Values','Vals'])
df
Values Vals
0 1 6
1 3 7
2 6 7
3 7 9
4 7 5
5 8 3
6 4 1
假设我想在“值”列中找到模式 [6,7]。 我可以使用此处给出的第二个解决方案的修改版本： Pandas: How to find a particular pattern in a dataframe column?
pattern = [6,7]
pat_i = [df[i-len(pattern):i] # Get the index
for i in range(len(pattern),len(df)) # for each 3 consequent elements
if all(df['Values'][i-len(pattern):i] == pattern)] # if the pattern matched
pat_i
[ Values Vals
2 6 7
3 7 9
4 7 5]
我发现将范围缩小到索引值的唯一方法如下：
pat_i = [df.index[i-len(pattern):i] # Get the index
for i in range(len(pattern),len(df)) # for each 3 consequent elements
if all(df['Values'][i-len(pattern):i] == pattern)] # if the pattern matched
pat_i
[RangeIndex(start=2,stop=5,step=1)]
一旦我找到了模式，我想要在原始数据框中做的是将模式重新排序为 [7,6]，同时移动整个关联的行。换句话说，通过索引，我想得到如下所示的输出：
df.reindex([0,1,4,2,6])
Values Vals
0 1 6
1 3 7
3 7 9
4 7 5
2 6 7
5 8 3
6 4 1
然后，最后，我想重置索引，以便所有列中的值都保留在新的重新排序的位置；
Values Vals
0 1 6
1 3 7
2 7 9
3 7 5
4 6 7
5 8 3
6 4 1
为了使用 pat_i 作为重新排序的基础，我尝试修改此处给出的第二个解决方案：
Python Pandas: How to move one row to the first row of a Dataframe?
target_row = 2
# Move target row to first element of list.
idx = [target_row] + [i for i in range(len(df)) if i != target_row]
但是，我不知道如何利用 pat_i RangeIndex 对象与此代码一起使用它。该解决方案，当我找到它时，将应用于数百个数据帧，每个数据帧都将包含需要在一个地方重新排序的 [6,7] 模式，但在每个数据帧中的位置不同.
感谢任何帮助......我相信必须有一种优雅的、pythonic 的方式来做到这一点，因为它似乎应该是一个足够普遍的挑战。谢谢。
解决方法
我只是重写了你的代码。我将第一个和最后一个索引放在一边，重新排列感兴趣的索引，然后将所有内容放在一个新索引中。然后我只是使用新索引对数据进行重新排序。
import pandas as pd
from pandas import RangeIndex
df = pd.DataFrame(list(zip([1,3,6,7,8,4],[6,9,5,1])),columns = ['Values','Vals'])
pattern = [6,7]
new_order = [1,2,0] # new order of pattern
for i in list(df[df['Values'] == pattern[0]].index):
if all(df['Values'][i:i+len(pattern)] == pattern):
pat_i = df[i:i+len(pattern)]
front_ind = list(range(0,pat_i.index[0]))
back_ind = list(range(pat_i.index[-1]+1,len(df)))
pat_ind = [pat_i.index[i] for i in new_order]
new_ind = front_ind + pat_ind + back_ind
df = df.loc[new_ind].reset_index(drop=True)
df
Out[82]:
Values Vals
0 1 6
1 3 7
2 7 9
3 7 5
4 6 7
5 8 3
6 4 1