Tim*_*mie 729 python dataframe pandas
我有以下DataFrame(df):
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.rand(10, 5))
我通过赋值添加更多列:
df['mean'] = df.mean(1)
如何将列移动mean到前面,即将其设置为第一列,使其他列的顺序保持不变？
Ama*_*man 740
一种简单的方法是使用列表重新分配数据框,根据需要重新排列.
这就是你现在拥有的:
In [6]: df
Out[6]:
0 1 2 3 4 mean
0 0.445598 0.173835 0.343415 0.682252 0.582616 0.445543
1 0.881592 0.696942 0.702232 0.696724 0.373551 0.670208
2 0.662527 0.955193 0.131016 0.609548 0.804694 0.632596
3 0.260919 0.783467 0.593433 0.033426 0.512019 0.436653
4 0.131842 0.799367 0.182828 0.683330 0.019485 0.363371
5 0.498784 0.873495 0.383811 0.699289 0.480447 0.587165
6 0.388771 0.395757 0.745237 0.628406 0.784473 0.588529
7 0.147986 0.459451 0.310961 0.706435 0.100914 0.345149
8 0.394947 0.863494 0.585030 0.565944 0.356561 0.553195
9 0.689260 0.865243 0.136481 0.386582 0.730399 0.561593
In [7]: cols = df.columns.tolist()
In [8]: cols
Out[8]: [0L, 1L, 2L, 3L, 4L, 'mean']
cols以您想要的任何方式重新排列.这就是我将最后一个元素移动到第一个位置的方式:
In [12]: cols = cols[-1:] + cols[:-1]
In [13]: cols
Out[13]: ['mean', 0L, 1L, 2L, 3L, 4L]
然后重新排序数据帧,如下所示:
In [16]: df = df[cols] # OR df = df.ix[:, cols]
In [17]: df
Out[17]:
mean 0 1 2 3 4
0 0.445543 0.445598 0.173835 0.343415 0.682252 0.582616
1 0.670208 0.881592 0.696942 0.702232 0.696724 0.373551
2 0.632596 0.662527 0.955193 0.131016 0.609548 0.804694
3 0.436653 0.260919 0.783467 0.593433 0.033426 0.512019
4 0.363371 0.131842 0.799367 0.182828 0.683330 0.019485
5 0.587165 0.498784 0.873495 0.383811 0.699289 0.480447
6 0.588529 0.388771 0.395757 0.745237 0.628406 0.784473
7 0.345149 0.147986 0.459451 0.310961 0.706435 0.100914
8 0.553195 0.394947 0.863494 0.585030 0.565944 0.356561
9 0.561593 0.689260 0.865243 0.136481 0.386582 0.730399
小智 366
你也可以这样做:
df = df[['mean', '0', '1', '2', '3']]
您可以使用以下命令获取列列表:
cols = list(df.columns.values)
输出将产生:
['0', '1', '2', '3', 'mean']
...然后在将其放入第一个函数之前,可以手动重新排列
fix*_*xer 292
只需按照您想要的顺序分配列名称:
In [39]: df
Out[39]:
0 1 2 3 4 mean
0 0.172742 0.915661 0.043387 0.712833 0.190717 1
1 0.128186 0.424771 0.590779 0.771080 0.617472 1
2 0.125709 0.085894 0.989798 0.829491 0.155563 1
3 0.742578 0.104061 0.299708 0.616751 0.951802 1
4 0.721118 0.528156 0.421360 0.105886 0.322311 1
5 0.900878 0.082047 0.224656 0.195162 0.736652 1
6 0.897832 0.558108 0.318016 0.586563 0.507564 1
7 0.027178 0.375183 0.930248 0.921786 0.337060 1
8 0.763028 0.182905 0.931756 0.110675 0.423398 1
9 0.848996 0.310562 0.140873 0.304561 0.417808 1
In [40]: df = df[['mean', 4,3,2,1]]
现在,'mean'专栏出现在前面:
In [41]: df
Out[41]:
mean 4 3 2 1
0 1 0.190717 0.712833 0.043387 0.915661
1 1 0.617472 0.771080 0.590779 0.424771
2 1 0.155563 0.829491 0.989798 0.085894
3 1 0.951802 0.616751 0.299708 0.104061
4 1 0.322311 0.105886 0.421360 0.528156
5 1 0.736652 0.195162 0.224656 0.082047
6 1 0.507564 0.586563 0.318016 0.558108
7 1 0.337060 0.921786 0.930248 0.375183
8 1 0.423398 0.110675 0.931756 0.182905
9 1 0.417808 0.304561 0.140873 0.310562
Wes*_*ney 115
怎么样:
df.insert(0, 'mean', df.mean(1))
http://pandas.pydata.org/pandas-docs/stable/dsintro.html#column-selection-addition-deletion
Alv*_*oao 109
在你的情况下,
df = df.reindex(columns=['mean',0,1,2,3,4])
会做你想要的.
在我的情况下(一般形式):
df = df.reindex(columns=sorted(df.columns))
df = df.reindex(columns=(['opened'] + list([a for a in df.columns if a != 'opened']) ))
如果你想使用__CODE__:
df = df.reindex(columns=['mean',0,1,2,3,4])
lia*_*gli 55
假设你有df列A B C。
最简单的方法是：
df = df.reindex(['B','C','A'], axis=1)
Yuc*_*uca 39
如果列名太长而无法输入,则可以通过具有以下位置的整数列表指定新订单:
0 1 2 3 4 mean
0 0.397312 0.361846 0.719802 0.575223 0.449205 0.500678
1 0.287256 0.522337 0.992154 0.584221 0.042739 0.485741
2 0.884812 0.464172 0.149296 0.167698 0.793634 0.491923
3 0.656891 0.500179 0.046006 0.862769 0.651065 0.543382
4 0.673702 0.223489 0.438760 0.468954 0.308509 0.422683
5 0.764020 0.093050 0.100932 0.572475 0.416471 0.389390
6 0.259181 0.248186 0.626101 0.556980 0.559413 0.449972
7 0.400591 0.075461 0.096072 0.308755 0.157078 0.207592
8 0.639745 0.368987 0.340573 0.997547 0.011892 0.471749
9 0.050582 0.714160 0.168839 0.899230 0.359690 0.438500
对于OP问题的具体情况:
new_order = [3,2,1,4,5,0]
print(df[df.columns[new_order]])
3 2 1 4 mean 0
0 0.575223 0.719802 0.361846 0.449205 0.500678 0.397312
1 0.584221 0.992154 0.522337 0.042739 0.485741 0.287256
2 0.167698 0.149296 0.464172 0.793634 0.491923 0.884812
3 0.862769 0.046006 0.500179 0.651065 0.543382 0.656891
4 0.468954 0.438760 0.223489 0.308509 0.422683 0.673702
5 0.572475 0.100932 0.093050 0.416471 0.389390 0.764020
6 0.556980 0.626101 0.248186 0.559413 0.449972 0.259181
7 0.308755 0.096072 0.075461 0.157078 0.207592 0.400591
8 0.997547 0.340573 0.368987 0.011892 0.471749 0.639745
9 0.899230 0.168839 0.714160 0.359690 0.438500 0.050582
这种方法的主要问题是多次调用相同的代码会每次都产生不同的结果,所以需要小心:)
dmv*_*nna 35
这个问题之前已经回答过，但reindex_axis现在已弃用，所以我建议使用：
df = df.reindex(sorted(df.columns), axis=1)
对于那些想要指定他们想要的顺序而不只是排序的人，这里是详细说明的解决方案：
df = df.reindex(['the','order','you','want'], axis=1)
现在，您希望如何对列名列表进行排序实际上不是一个pandas问题，而是一个 Python 列表操作问题。有很多方法可以做到这一点，我认为这个答案有一种非常巧妙的方法。
Ale*_*der 31
您需要按所需顺序创建列的新列表,然后使用df = df[cols]此新顺序重新排列列.
cols = ['mean'] + [col for col in df if col != 'mean']
df = df[cols]
您还可以使用更通用的方法.在此示例中,最后一列(由-1表示)作为第一列插入.
cols = [df.columns[-1]] + [col for col in df if col != df.columns[-1]]
df = df[cols]
如果列存在于DataFrame中,您还可以使用此方法按所需顺序重新排序列.
inserted_cols = ['a', 'b', 'c']
cols = ([col for col in inserted_cols if col in df]
+ [col for col in df if col not in inserted_cols])
df = df[cols]
ern*_*cyp 23
我认为这是一个稍微整洁的解决方案：
df.insert(0, 'mean', df.pop("mean"))
这个解决方案有点类似于@JoeHeffer 的解决方案，但这是一个班轮。
在这里，我们"mean"从数据框中删除列并将其附加到0具有相同列名的索引。
clo*_*ker 17
我自己也遇到了类似的问题,只想添加我所确定的内容.我喜欢reindex_axis() method改变列顺序.这有效:
df = df.reindex_axis(['mean'] + list(df.columns[:-1]), axis=1)
基于@Jorge评论的另一种方法:
df = df.reindex(columns=['mean'] + list(df.columns[:-1]))
虽然reindex_axis在微观基准测试中似乎略快一些reindex,但我认为我更喜欢后者的直接性.
see*_*spi 16
此功能可以避免您必须列出数据集中的每个变量,只是为了订购其中的一些变量.
def order(frame,var):
if type(var) is str:
var = [var] #let the command take a string or list
varlist =[w for w in frame.columns if w not in var]
frame = frame[var+varlist]
return frame
它需要两个参数,第一个是数据集,第二个是数据集中要添加到前面的列.
所以在我的情况下,我有一个名为Frame的数据集,包含变量A1,A2,B1,B2,Total和Date.如果我想将道达尔带到前线,那么我所要做的就是:
frame = order(frame,['Total'])
如果我想将Total和Date带到前面那么我会:
frame = order(frame,['Total','Date'])
编辑:
使用它的另一个有用的方法是,如果你有一个不熟悉的表,并且你正在查看其中包含特定术语的变量,例如VAR1,VAR2,......你可以执行以下操作:
frame = order(frame,[v for v in frame.columns if "VAR" in v])
Nap*_*Jon 15
简单地说,
df = df[['mean'] + df.columns[:-1].tolist()]
ott*_*eng 11
您可以执行以下操作(从Aman的答案中借用部分):
cols = df.columns.tolist()
cols.insert(0, cols.pop(-1))
cols
>>>['mean', 0L, 1L, 2L, 3L, 4L]
df = df[cols]
小智 8
只需键入要更改的列名称,然后设置新位置的索引.
def change_column_order(df, col_name, index):
cols = df.columns.tolist()
cols.remove(col_name)
cols.insert(index, col_name)
return df[cols]
对于您的情况,这将是:
df = change_column_order(df, 'mean', 0)
将任何列移动到任何位置:
import pandas as pd
df = pd.DataFrame({"A": [1,2,3],
"B": [2,4,8],
"C": [5,5,5]})
cols = df.columns.tolist()
column_to_move = "C"
new_position = 1
cols.insert(new_position, cols.pop(cols.index(column_to_move)))
df = df[cols]
小智 7
我想将两列从我不确切知道所有列的名称的数据框中带到前面，因为它们是从之前的数据透视语句生成的。因此，如果您处于相同的情况：将您知道名称的列放在前面，然后让它们跟在“所有其他列”之后，我想出了以下通用解决方案：
df = df.reindex_axis(['Col1','Col2'] + list(df.columns.drop(['Col1','Col2'])), axis=1)
您可以在将 'n' 列添加到 df 后执行此操作，如下所示。
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.rand(10, 5))
df['mean'] = df.mean(1)
df
0 1 2 3 4 mean
0 0.929616 0.316376 0.183919 0.204560 0.567725 0.440439
1 0.595545 0.964515 0.653177 0.748907 0.653570 0.723143
2 0.747715 0.961307 0.008388 0.106444 0.298704 0.424512
3 0.656411 0.809813 0.872176 0.964648 0.723685 0.805347
4 0.642475 0.717454 0.467599 0.325585 0.439645 0.518551
5 0.729689 0.994015 0.676874 0.790823 0.170914 0.672463
6 0.026849 0.800370 0.903723 0.024676 0.491747 0.449473
7 0.526255 0.596366 0.051958 0.895090 0.728266 0.559587
8 0.818350 0.500223 0.810189 0.095969 0.218950 0.488736
9 0.258719 0.468106 0.459373 0.709510 0.178053 0.414752
### here you can add below line and it should work
# Don't forget the two (()) 'brackets' around columns names.Otherwise, it'll give you an error.
df = df[list(('mean',0, 1, 2,3,4))]
df
mean 0 1 2 3 4
0 0.440439 0.929616 0.316376 0.183919 0.204560 0.567725
1 0.723143 0.595545 0.964515 0.653177 0.748907 0.653570
2 0.424512 0.747715 0.961307 0.008388 0.106444 0.298704
3 0.805347 0.656411 0.809813 0.872176 0.964648 0.723685
4 0.518551 0.642475 0.717454 0.467599 0.325585 0.439645
5 0.672463 0.729689 0.994015 0.676874 0.790823 0.170914
6 0.449473 0.026849 0.800370 0.903723 0.024676 0.491747
7 0.559587 0.526255 0.596366 0.051958 0.895090 0.728266
8 0.488736 0.818350 0.500223 0.810189 0.095969 0.218950
9 0.414752 0.258719 0.468106 0.459373 0.709510 0.178053
您可以使用作为唯一元素的无序集合的集合来保持“其他列的顺序不变”：
other_columns = list(set(df.columns).difference(["mean"])) #[0, 1, 2, 3, 4]
然后，您可以使用 lambda 通过以下方式将特定列移动到前面：
In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: df = pd.DataFrame(np.random.rand(10, 5))
In [4]: df["mean"] = df.mean(1)
In [5]: move_col_to_front = lambda df, col: df[[col]+list(set(df.columns).difference([col]))]
In [6]: move_col_to_front(df, "mean")
Out[6]:
mean 0 1 2 3 4
0 0.697253 0.600377 0.464852 0.938360 0.945293 0.537384
1 0.609213 0.703387 0.096176 0.971407 0.955666 0.319429
2 0.561261 0.791842 0.302573 0.662365 0.728368 0.321158
3 0.518720 0.710443 0.504060 0.663423 0.208756 0.506916
4 0.616316 0.665932 0.794385 0.163000 0.664265 0.793995
5 0.519757 0.585462 0.653995 0.338893 0.714782 0.305654
6 0.532584 0.434472 0.283501 0.633156 0.317520 0.994271
7 0.640571 0.732680 0.187151 0.937983 0.921097 0.423945
8 0.562447 0.790987 0.200080 0.317812 0.641340 0.862018
9 0.563092 0.811533 0.662709 0.396048 0.596528 0.348642
In [7]: move_col_to_front(df, 2)
Out[7]:
2 0 1 3 4 mean
0 0.938360 0.600377 0.464852 0.945293 0.537384 0.697253
1 0.971407 0.703387 0.096176 0.955666 0.319429 0.609213
2 0.662365 0.791842 0.302573 0.728368 0.321158 0.561261
3 0.663423 0.710443 0.504060 0.208756 0.506916 0.518720
4 0.163000 0.665932 0.794385 0.664265 0.793995 0.616316
5 0.338893 0.585462 0.653995 0.714782 0.305654 0.519757
6 0.633156 0.434472 0.283501 0.317520 0.994271 0.532584
7 0.937983 0.732680 0.187151 0.921097 0.423945 0.640571
8 0.317812 0.790987 0.200080 0.641340 0.862018 0.562447
9 0.396048 0.811533 0.662709 0.596528 0.348642 0.563092
这是一种移动现有列的方法，该列将修改现有数据框。
my_column = df.pop('column name')
df.insert(3, my_column.name, my_column)
import numpy as np
import pandas as pd
df = pd.DataFrame()
column_names = ['x','y','z','mean']
for col in column_names:
df[col] = np.random.randint(0,100, size=10000)
您可以尝试以下解决方案：
解决方案1：
df = df[ ['mean'] + [ col for col in df.columns if col != 'mean' ] ]
解决方案2：
df = df[['mean', 'x', 'y', 'z']]
解决方案3：
col = df.pop("mean")
df = df.insert(0, col.name, col)
解决方案4：
df.set_index(df.columns[-1], inplace=True)
df.reset_index(inplace=True)
解决方案5：
cols = list(df)
cols = [cols[-1]] + cols[:-1]
df = df[cols]
解决方案6：
order = [1,2,3,0] # setting column's order
df = df[[df.columns[i] for i in order]]
解决方案1：
CPU时间：用户1.05 ms，系统时间：35 µs，总计：1.08 ms挂墙时间：995 µs
解决方案2：
CPU时间：用户933 µs，系统：0 ns，总计：933 µs挂墙时间：800 µs
解决方案3：
CPU时间：用户0 ns，sys：1.35 ms，总计：1.35 ms挂墙时间：1.08 ms
解决方案4：
CPU时间：用户1.23 ms，sys：45 µs，总计：1.27 ms挂墙时间：986 µs
解决方案5：
CPU时间：用户1.09 ms，sys：19 µs，总计：1.11 ms挂墙时间：949 µs
解决方案6：
CPU时间：用户955 µs，系统：34 µs，总计：989 µs挂墙时间：859 µs
只是翻转经常有帮助。
df[df.columns[::-1]]
或者只是洗牌看看。
import random
cols = list(df.columns)
random.shuffle(cols)
df[cols]
| 归档时间： |
|
| 查看次数： |
760313 次 |
| 最近记录： |