将 Pandas 数据框列移到开头答案

【问题标题】：Moving Pandas Dataframe Columns to the start将 Pandas 数据框列移到开头
【发布时间】：2022-01-26 00:00:38
【问题描述】：

我有一个包含将近一千个列的 pandas 数据框

列标题是这样的

[smth,smth,smth,smth.....a,b,c,d,e]

我将如何重新排列列以将 A,B,C,D,E 移到开头：

[a,b,c,d,e,smth,smth......]

【问题讨论】：

您想反转列的顺序吗？喜欢df.iloc[:, ::-1]?
[smth, smth, smth, ...] 是什么意思？除了最后几个之外，它们都一样吗？
不，它只是不相关
我不想颠倒它们，我只是希望它们按顺序排列，最后五个成为前 5 个。（最后一个成为第 5 个等）
这能回答你的问题吗？ Move column by name to front of table in pandas

标签： python pandas dataframe

【解决方案1】：

如果您只是想将最后 n 列移到第一个。您可以更改列顺序并使用该选择覆盖数据框

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(100, 5)), columns=list('ABCDE'))
cols = list(df.columns)
cols_shift = 2
new_cols = []
new_cols.extend(cols[-cols_shift:])
new_cols.extend(cols[:-cols_shift])
new_cols

df = df[new_cols]
df

【讨论】：

【解决方案2】：

如果我是你，我只会使用内置于 pandas 的包含的 .pop() 方法。

所以在你的情况下，我会做这样的事情：你最终会得到一个 dataFrame，其中使用 pop 方法的列现在是第一个，随后它将转移所有其余部分。

first_column = df.pop('A')

您可以继续对其他每一列执行此操作，它会很好地工作，如果您有太多数据以至于这样做变得很麻烦，您可以运行一个循环。

pandas 也提供了一些很好的信息：

https://www.geeksforgeeks.org/how-to-move-a-column-to-first-position-in-pandas-dataframe/

【讨论】：

【解决方案3】：

干净高效的方法是使用reindex:

cols = list(df.columns)
df.reindex(columns=cols[-5:]+cols[:-5])

例子：

df = pd.DataFrame([], columns=['X', 'Y', 'Z', 'A', 'B', 'C', 'D', 'E'])
print(df)

cols = list(df.columns)
df = df.reindex(columns=cols[-5:]+cols[:-5])
print(df)

输出：

Empty DataFrame
Columns: [X, Y, Z, A, B, C, D, E]
Index: []

Empty DataFrame
Columns: [A, B, C, D, E, X, Y, Z]
Index: []

【讨论】：

【解决方案4】：

一个显式的方法如下。请注意，我们首先想要的列实际上在哪里并不重要。

# example setup
cols = 'foo,bar,smth,smth_else,a,b,c,d,e'.split(',')
df = pd.DataFrame(np.random.randint(0,10, size=(4, len(cols))), columns=cols)

然后，说你首先想要的列是['a', 'b', 'c', 'd', 'e']：

first = ['a', 'b', 'c', 'd', 'e']

out = df[first + [k for k in df.columns if k not in first]]

# or:
out = df[pd.Index(first).append(df.columns.difference(first))]


>>> out
   a  b  c  d  e  foo  bar  smth  smth_else
0  7  1  0  2  5    7    2     1          9
1  6  7  7  4  3    7    3     1          2
2  8  9  3  6  2    0    1     5          8
3  1  2  0  3  3    2    4     1          4

【讨论】：