我拥有的数据实际上包含在pandas数据帧中(在列上(，但为了这篇文章，我们提取它以解决问题的核心。
假设我们有一个数据帧df，其中包含一列col1，我们将其存储为列表：L = df.col1.tolist()。现在，我有大约 2000 个这样的列/列表，平均它们的长度约为 300-400。因此，这里对性能的需求并不大。
回到我们的 MWE 列表，它的结构如下(ish(：
L = [1,2,2,1,3,3,4,4,5,5,6,6,1,2,1,2,7,7,8,8]
现在，列表中的项目的结构方式应该是连续对(但出于数据收集原因，它们不是(。因此，这是我们的目标排序列表：
L = [1,1,2,2,3,3,4,4,5,5,6,6,1,1,2,2,7,7,8,8]
为了清楚起见，我将这些添加为元组：
L = [(1,1),(2,2),(3,3),(4,4),(5,5),(6,6),(1,1),(2,2),(7,7),(8,8)]
这就是问题所在：列包含几乎连续的项目对(上面示例中的数字(，但其中一些是无序的，必须移回它们的伙伴(见上文(。
需要注意的几点：
- 上面的列表包含数字，实际上，我们正在处理字符串
- 数据通常位于 pandas 数据帧中的列上(不确定这是否有帮助，但可能会(
- 性能不是真正的问题，因为它们只需要排序一次
- 乱序模式不一致，每列中的东西移动很多，重要的是每个项目都映射回其伙伴。
我正在寻找一种可以将这些列表/列按所需的对顺序排序的方法。谢谢！
好的，因为您可以保证它们始终是配对的，所以我只保留一个运行计数，您基本上只需要按照遇到对中第一项的顺序生成元素列表(因此当计数等于零时(，当计数达到 2 时，重置该项目的计数。然后只需将第一个元素列表按顺序"分解"成对列表，如此快速和肮脏：
In [1]: L = [1,2,2,1,3,3,4,4,5,5,6,6,1,2,1,2,7,7,8,8]
In [2]: from collections import Counter
In [3]: counts = Counter()
In [4]: order = []
In [5]: for x in L:
...: n = counts[x]
...: if n == 0:
...: order.append(x)
...: counts[x] += 1
...: elif n == 2:
...: counts[x] = 0
...: else:
...: counts[x] += 1
...:
In [6]: order
Out[6]: [1, 2, 3, 4, 5, 6, 1, 2, 7, 8]
In [7]: result = []
In [8]: for x in order:
...: result.append(x)
...: result.append(x)
...:
In [9]: result
Out[9]: [1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6, 1, 1, 2, 2, 7, 7, 8, 8]
当然，你应该创建一个函数来做到这一点。