Как переиндексировать фрейм данных в Pandas?

Question

Я использую pandas в Python, и я выполнил некоторые кросс-таблицы вычислений и конкатенаций, и в итоге получился фрейм данных, который выглядит следующим образом:

ID        5    6    7    8     9    10   11   12    13
Total     87.0  3.0  9.0  6.0  92.0  7.0  3.0  3.0  20.0
Regular   72.0  2.0  8.0  5.0  81.0  7.0  3.0  3.0  18.0
CR        22.0  0.0  0.0  0.0  17.0  0.0  0.0  0.0   3.0
HDG       20.0  0.0  0.0  0.0  24.0  4.0  0.0  0.0   1.0
PPG       30.0  2.0  8.0  5.0  40.0  3.0  3.0  3.0  14.0
Superior  15.0  1.0  1.0  1.0  11.0  0.0  0.0  0.0   2.0
CR         3.0  0.0  0.0  0.0   2.0  0.0  0.0  0.0   0.0
HDG        5.0  1.0  1.0  1.0   4.0  0.0  0.0  0.0   0.0
PPG        7.0  0.0  0.0  0.0   5.0  0.0  0.0  0.0   2.0

Проблема в том, что я хочу, чтобы последние 4 строки, начинающиеся с Superior, были бы местами перед Total строкой. Итак, я просто хочу поменять позиции последних 4 строк на 4 строки, которые начинаются с Regular. Как я могу добиться этого в pandas? Так что я получаю это:

ID        5    6    7    8     9    10   11   12    13
Total     87.0  3.0  9.0  6.0  92.0  7.0  3.0  3.0  20.0
Superior  15.0  1.0  1.0  1.0  11.0  0.0  0.0  0.0   2.0
CR         3.0  0.0  0.0  0.0   2.0  0.0  0.0  0.0   0.0
HDG        5.0  1.0  1.0  1.0   4.0  0.0  0.0  0.0   0.0
PPG        7.0  0.0  0.0  0.0   5.0  0.0  0.0  0.0   2.0
Regular   72.0  2.0  8.0  5.0  81.0  7.0  3.0  3.0  18.0
CR        22.0  0.0  0.0  0.0  17.0  0.0  0.0  0.0   3.0
HDG       20.0  0.0  0.0  0.0  24.0  4.0  0.0  0.0   1.0
PPG       30.0  2.0  8.0  5.0  40.0  3.0  3.0  3.0  14.0

Answer 1

Более обобщенное решение Categorical и argsort, я знаю, что этот df был заказан, поэтому ffill здесь безопасно

s=df.ID
s=s.where(s.isin(['Total','Regular','Superior'])).ffill()
s=pd.Categorical(s,['Total','Superior','Regular'],ordered=True)
df=df.iloc[np.argsort(s)]
df
Out[188]: 
         ID     5    6    7    8     9   10   11   12    13
0     Total  87.0  3.0  9.0  6.0  92.0  7.0  3.0  3.0  20.0
5  Superior  15.0  1.0  1.0  1.0  11.0  0.0  0.0  0.0   2.0
6        CR   3.0  0.0  0.0  0.0   2.0  0.0  0.0  0.0   0.0
7       HDG   5.0  1.0  1.0  1.0   4.0  0.0  0.0  0.0   0.0
8       PPG   7.0  0.0  0.0  0.0   5.0  0.0  0.0  0.0   2.0
1   Regular  72.0  2.0  8.0  5.0  81.0  7.0  3.0  3.0  18.0
2        CR  22.0  0.0  0.0  0.0  17.0  0.0  0.0  0.0   3.0
3       HDG  20.0  0.0  0.0  0.0  24.0  4.0  0.0  0.0   1.0
4       PPG  30.0  2.0  8.0  5.0  40.0  3.0  3.0  3.0  14.0

Answer 2

Для конкретного ответа на этот вопрос, просто используйте iloc

df.iloc[[0,5,6,7,8,1,2,3,4],:]

Для более обобщенного решения,

m = (df.ID.eq('Superior') | df.ID.eq('Regular')).cumsum()
pd.concat([df[m==0], df[m==2], df[m==1]])

или

order = (2,1)
pd.concat([df[m==0], *[df[m==c] for c in order]])

где order определяет отображение от предыдущего заказа к новому.

Answer 3

Вот один из способов:

import numpy as np
df.iloc[1:,:] = np.roll(df.iloc[1:,:].values, 4, axis=0)

       ID     5     6    7    8     9   10   11   12    13
0     Total  87.0  3.0  9.0  6.0  92.0  7.0  3.0  3.0  20.0
1  Superior  15.0  1.0  1.0  1.0  11.0  0.0  0.0  0.0   2.0
2        CR   3.0  0.0  0.0  0.0   2.0  0.0  0.0  0.0   0.0
3       HDG   5.0  1.0  1.0  1.0   4.0  0.0  0.0  0.0   0.0
4       PPG   7.0  0.0  0.0  0.0   5.0  0.0  0.0  0.0   2.0
5   Regular  72.0  2.0  8.0  5.0  81.0  7.0  3.0  3.0  18.0
6        CR  22.0  0.0  0.0  0.0  17.0  0.0  0.0  0.0   3.0
7       HDG  20.0  0.0  0.0  0.0  24.0  4.0  0.0  0.0   1.0
8       PPG  30.0  2.0  8.0  5.0  40.0  3.0  3.0  3.0  14.0