如何使用最小数量的交换来获得3个numpy数组之间的相同顺序？

Question

免责声明

此问题（尽管相关）不是'how to swap rows in numpy array?'的重复项，而是如何根据最小交换次数来概括三个阵列之间的交换？（问题已在本文底部重述）。

Context

[访问CSSE COVID-19 Dataset时，我注意到三个可用的数据集（confirmed，dead和recovered）每天都在相同的日期和相同的位置进行。但是，recovered文件中的行与confirmed和dead文件中提供的行的顺序不同。下图中的索引参考与前几天有所不同（因为数据集每天更新）。

考虑confirmed个案例的子集。

并且为了比较，考虑recovered个案例的子集。

注意，confirmed和recovered情况下的行号和国家/省确实匹配-特别是在412，413和414行。（dead案例的顺序未显示，因为它与confirmed案例的顺序匹配。）

这些事件的数量一直在减少-在此过程中，需要交换的行号也是如此。我想自动执行此行交换，以便可以同时遍历所有三个数据集（而不是分别遍历每个数据集）。这样，对于我来说，将每个时间序列按位置分组到字典中就比较容易了。

示例（MWE）

例如，假设我有以下格式的数据。请注意，c和d的顺序相同，但是r的顺序应从0-1-3-4-2到0-1-2-3-4。因此，要交换的行索引为2, 3, 4。

# confirmed
c = np.array([
['name', 'province', 'property', 'value t1', 'value t2', 'value t3'],
['USA', 'a', 0.5, 1, 2, 3],
['MEXICO', 'b', 0.2, 5, 10, 100],
['CHINA', 'c', 0.7, 3, 6, 9],
['RUSSIA', 'd', 0.4, 2, 3, 5]], dtype=str)

# dead
d = np.array([
['name', 'province', 'property', 'value t1', 'value t2', 'value t3'],
['USA', 'a', 0.5, 0, 1, 1],
['MEXICO', 'b', 0.2, 1, 5, 25],
['CHINA', 'c', 0.7, 0, 2, 4],
['RUSSIA', 'd', 0.4, 0, 0, 1]], dtype=str)

# recovered
r = np.array([
['name', 'province', 'property', 'value t1', 'value t2', 'value t3'],
['USA', 'a', 0.5, 0, 0, 1],
['CHINA', 'c', 0.7, 0, 0, 3],
['RUSSIA', 'd', 0.4, 0, 0, 2],
['MEXICO', 'b', 0.2, 0, 0, 0]], dtype=str)

我可以从这些数据集中确定要交换的行。

condition_cd = ((c[:, 0] != d[:, 0]) | (c[:, 1] != d[:, 1]))
condition_dr = ((d[:, 0] != r[:, 0]) | (d[:, 1] != r[:, 1]))
condition_rc = ((r[:, 0] != c[:, 0]) | (r[:, 1] != c[:, 1]))

print(condition_cd, np.any(condition_cd)) # [False False False False False] False
print(condition_dr, np.any(condition_dr)) # [False False  True  True  True] True
print(condition_rc, np.any(condition_rc)) # [False False  True  True  True] True
# True corresponds to indices 2, 3, 4

问题

但是，如果明天更新的数据的行号发生更改，以致上述条件不再相同，该怎么办？由于0和c之间的差异（d）最少，因此我想根据r重新排序d。如果这个差异数为> 0，那么我将[[first重新排列d，然后根据r重新排列d。最好的方法是什么？