Перемістіть стовпець за назвою до таблиці в пандах


97

Ось мій df:

                             Net   Upper   Lower  Mid  Zsore
Answer option                                                
More than once a day          0%   0.22%  -0.12%   2    65 
Once a day                    0%   0.32%  -0.19%   3    45
Several times a week          2%   2.45%   1.10%   4    78
Once a week                   1%   1.63%  -0.40%   6    65

Як я можу перемістити стовпець за назвою ( "Mid") в передню частину таблиці, індекс 0. Ось так повинен виглядати результат:

                             Mid   Upper   Lower  Net  Zsore
Answer option                                                
More than once a day          2   0.22%  -0.12%   0%    65 
Once a day                    3   0.32%  -0.19%   0%    45
Several times a week          4   2.45%   1.10%   2%    78
Once a week                   6   1.63%  -0.40%   1%    65

Мій поточний код переміщує стовпець за індексом, df.columns.tolist()але я хотів би перенести його за назвою.

Відповіді:


114

Ми можемо використовувати ixдля переупорядкування, передаючи список:

In [27]:
# get a list of columns
cols = list(df)
# move the column to head of list using index, pop and insert
cols.insert(0, cols.pop(cols.index('Mid')))
cols
Out[27]:
['Mid', 'Net', 'Upper', 'Lower', 'Zsore']
In [28]:
# use ix to reorder
df = df.ix[:, cols]
df
Out[28]:
                      Mid Net  Upper   Lower  Zsore
Answer_option                                      
More_than_once_a_day    2  0%  0.22%  -0.12%     65
Once_a_day              3  0%  0.32%  -0.19%     45
Several_times_a_week    4  2%  2.45%   1.10%     78
Once_a_week             6  1%  1.63%  -0.40%     65

Інший метод - взяти посилання на стовпець і знову вставити його спереду:

In [39]:
mid = df['Mid']
df.drop(labels=['Mid'], axis=1,inplace = True)
df.insert(0, 'Mid', mid)
df
Out[39]:
                      Mid Net  Upper   Lower  Zsore
Answer_option                                      
More_than_once_a_day    2  0%  0.22%  -0.12%     65
Once_a_day              3  0%  0.32%  -0.19%     45
Several_times_a_week    4  2%  2.45%   1.10%     78
Once_a_week             6  1%  1.63%  -0.40%     65

Ви також можете використовувати locдля досягнення того самого результату, ixякий буде застарілим у наступній версії панд 0.20.0:

df = df.loc[:, cols]

54

Можливо, я чогось пропускаю, але багато з цих відповідей здаються надто складними. Ви повинні мати можливість просто встановити стовпці в одному списку:

Стовпець спереду:

df = df[ ['Mid'] + [ col for col in df.columns if col != 'Mid' ] ]

Або якщо замість цього ви хочете перенести його назад:

df = df[ [ col for col in df.columns if col != 'Mid' ] + ['Mid'] ]

Або якщо ви хотіли перенести більше одного стовпця:

cols_to_move = ['Mid', 'Zsore']
df           = df[ cols_to_move + [ col for col in df.columns if col not in cols_to_move ] ]

Для будь-кого іншого переконайтеся, що для кількох стовпців ви використовуєте варіант 3. Варіант 1 із кількома стовпцями не буде видаляти Mid& Zscoreзі стовпця з вихідної позиції. Я дізнався про це з Grouperпомилкою при спробі групуватися, коли той самий стовпець був там двічі.
the775

46

Ви можете використовувати функцію df.reindex () у пандах. df є

                      Net  Upper   Lower  Mid  Zsore
Answer option                                      
More than once a day  0%  0.22%  -0.12%    2     65
Once a day            0%  0.32%  -0.19%    3     45
Several times a week  2%  2.45%   1.10%    4     78
Once a week           1%  1.63%  -0.40%    6     65

визначити список назв стовпців

cols = df.columns.tolist()
cols
Out[13]: ['Net', 'Upper', 'Lower', 'Mid', 'Zsore']

перемістіть назву стовпчика туди, куди ви хочете

cols.insert(0, cols.pop(cols.index('Mid')))
cols
Out[16]: ['Mid', 'Net', 'Upper', 'Lower', 'Zsore']

потім скористайтеся df.reindex()функцією, щоб змінити порядок

df = df.reindex(columns= cols)

викладене це: df

                      Mid  Upper   Lower Net  Zsore
Answer option                                      
More than once a day    2  0.22%  -0.12%  0%     65
Once a day              3  0.32%  -0.19%  0%     45
Several times a week    4  2.45%   1.10%  2%     78
Once a week             6  1.63%  -0.40%  1%     65

31

Я віддаю перевагу такому рішенню:

col = df.pop("Mid")
df.insert(0, col.name, col)

Його читати простіше і швидше, ніж інші запропоновані відповіді.

def move_column_inplace(df, col, pos):
    col = df.pop(col)
    df.insert(pos, col.name, col)

Оцінка ефективності:

Для цього тесту поточний останній стовпець переміщується вперед у кожному повторенні. Як правило, ефективні методи працюють краще. Хоча рішення citynorman можна зробити на місці, метод Еда Чума, заснований на, .locі метод sachinnm, заснований на reindexне може.

Хоча інші методи є загальними, рішення citynorman обмежується pos=0. Я не спостерігав жодної різниці в продуктивності між df.loc[cols]і df[cols], саме тому я не включав деякі інші пропозиції.

Я тестував на python 3.6.8 і pandas 0.24.2 на MacBook Pro (середина 2015 року).

import numpy as np
import pandas as pd

n_cols = 11
df = pd.DataFrame(np.random.randn(200000, n_cols),
                  columns=range(n_cols))

def move_column_inplace(df, col, pos):
    col = df.pop(col)
    df.insert(pos, col.name, col)

def move_to_front_normanius_inplace(df, col):
    move_column_inplace(df, col, 0)
    return df

def move_to_front_chum(df, col):
    cols = list(df)
    cols.insert(0, cols.pop(cols.index(col)))
    return df.loc[:, cols]

def move_to_front_chum_inplace(df, col):
    col = df[col]
    df.drop(col.name, axis=1, inplace=True)
    df.insert(0, col.name, col)
    return df

def move_to_front_elpastor(df, col):
    cols = [col] + [ c for c in df.columns if c!=col ]
    return df[cols] # or df.loc[cols]

def move_to_front_sachinmm(df, col):
    cols = df.columns.tolist()
    cols.insert(0, cols.pop(cols.index(col)))
    df = df.reindex(columns=cols, copy=False)
    return df

def move_to_front_citynorman_inplace(df, col):
    # This approach exploits that reset_index() moves the index
    # at the first position of the data frame.
    df.set_index(col, inplace=True)
    df.reset_index(inplace=True)
    return df

def test(method, df):
    col = np.random.randint(0, n_cols)
    method(df, col)

col = np.random.randint(0, n_cols)
ret_mine = move_to_front_normanius_inplace(df.copy(), col)
ret_chum1 = move_to_front_chum(df.copy(), col)
ret_chum2 = move_to_front_chum_inplace(df.copy(), col)
ret_elpas = move_to_front_elpastor(df.copy(), col)
ret_sach = move_to_front_sachinmm(df.copy(), col)
ret_city = move_to_front_citynorman_inplace(df.copy(), col)

# Assert equivalence of solutions.
assert(ret_mine.equals(ret_chum1))
assert(ret_mine.equals(ret_chum2))
assert(ret_mine.equals(ret_elpas))
assert(ret_mine.equals(ret_sach))
assert(ret_mine.equals(ret_city))

Результати :

# For n_cols = 11:
%timeit test(move_to_front_normanius_inplace, df)
# 1.05 ms ± 42.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit test(move_to_front_citynorman_inplace, df)
# 1.68 ms ± 46.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit test(move_to_front_sachinmm, df)
# 3.24 ms ± 96.5 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit test(move_to_front_chum, df)
# 3.84 ms ± 114 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit test(move_to_front_elpastor, df)
# 3.85 ms ± 58.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit test(move_to_front_chum_inplace, df)
# 9.67 ms ± 101 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)


# For n_cols = 31:
%timeit test(move_to_front_normanius_inplace, df)
# 1.26 ms ± 31.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit test(move_to_front_citynorman_inplace, df)
# 1.95 ms ± 260 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit test(move_to_front_sachinmm, df)
# 10.7 ms ± 348 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit test(move_to_front_chum, df)
# 11.5 ms ± 869 µs per loop (mean ± std. dev. of 7 runs, 100 loops each
%timeit test(move_to_front_elpastor, df)
# 11.4 ms ± 598 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit test(move_to_front_chum_inplace, df)
# 31.4 ms ± 1.89 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

2
Чудове рішення. Однак ми не повинні явно призначати модифікований df із вставленим стовпцем вихідному df. Отже, замість df = df.insert(0, col.name, col), нам потрібно це робити df.insert(0, col.name, col). У вас це правильно у функції move_column_inplace().
melihozbek

1
Дякую @normanius. Я багато працював у лабораторії Декстера, я бачу. :-) Відмінне рішення. Бритва Оккама. Просто і елегантно.
brohjoe

Я також вважаю за краще це рішення :)
user88484

19

Мені не сподобалось, як я повинен чітко вказувати всі інші стовпці в інших рішеннях, тому це найкраще для мене працювало. Хоча це може бути повільним для великих кадрів даних ...?

df = df.set_index('Mid').reset_index()


Це використовує, що поточні версії reset_index()вставляють опущений індекс у першу позицію. Однак зауважте, що ця поведінка не зазначена в документах .
норманій

1
Щодо виступу, дивіться мою відповідь. Це вигідно використовувати inplace=Trueяк для, так set_index()і для reset_index().
норманій

9

Ось загальний набір коду, який я часто використовую, щоб змінити положення стовпців. Вам це може виявитися корисним.

cols = df.columns.tolist()
n = int(cols.index('Mid'))
cols = [cols[n]] + cols[:n] + cols[n+1:]
df = df[cols]

3
в ідеалі поясніть свою відповідь і те, що робить це хорошим рішенням, а не лише опублікуйте шматок коду. Ви ризикуєте проти голосувати
Тебо

5

Щоб змінити порядок рядків DataFrame, просто використовуйте список наступним чином.

df = df[['Mid', 'Net', 'Upper', 'Lower', 'Zsore']]

Це робить дуже очевидним, що було зроблено при подальшому читанні коду. Також використовуйте:

df.columns
Out[1]: Index(['Net', 'Upper', 'Lower', 'Mid', 'Zsore'], dtype='object')

Потім виріжте та вставте, щоб змінити порядок.


Для DataFrame з великою кількістю стовпців збережіть список стовпців у змінну та перенесіть потрібний стовпець на початок списку. Ось приклад:

cols = [str(col_name) for col_name in range(1001)]
data = np.random.rand(10,1001)
df = pd.DataFrame(data=data, columns=cols)

mv_col = cols.pop(cols.index('77'))
df = df[[mv_col] + cols]

Зараз df.columnsмає.

Index(['77', '0', '1', '2', '3', '4', '5', '6', '7', '8',
       ...
       '991', '992', '993', '994', '995', '996', '997', '998', '999', '1000'],
      dtype='object', length=1001)

Що робити, якщо ви працюєте з DataFrame, що складається з 1001 стовпців?
норманій

Концепція однакова, однак у багатьох стовпцях стовпці повинні зберігатися у списку, а списком слід маніпулювати. Див. Мої редакції вище для прикладу. Мій приклад фактично такий самий, як stackoverflow.com/a/51009742/5827921 .
Дастін Геллівелл,

1

Ось дуже проста відповідь на це.

Не забувайте дві (()) "дужки" навколо назв стовпців, інакше це дасть вам помилку.


# here you can add below line and it should work 
df = df[list(('Mid','Upper', 'Lower', 'Net','Zsore'))]
df

                             Mid   Upper   Lower  Net  Zsore
Answer option                                                
More than once a day          2   0.22%  -0.12%   0%    65 
Once a day                    3   0.32%  -0.19%   0%    45
Several times a week          4   2.45%   1.10%   2%    78
Once a week                   6   1.63%  -0.40%   1%    65

Очевидно, OP не хоче чітко прописувати імена стовпців. У деяких випадках з дуже широкими кадрами даних це може бути навіть неможливим.
Леджер Ю

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.