根据列名称对 pandas 数据框中的列进行排序

Question

我有一个包含 200 多列的

dataframe

。问题是它们生成时的顺序是

['Q1.3','Q6.1','Q1.2','Q1.1',......]

我需要对列进行排序，如下所示：

['Q1.1','Q1.2','Q1.3',.....'Q6.1',......]

我有办法在 Python 中做到这一点吗？

Answer 1

df = df.reindex(sorted(df.columns), axis=1)

这假设对列名称进行排序将给出您想要的顺序。 如果您的列名称不会按字典顺序排序（例如，如果您希望列 Q10.3 出现在 Q9.1 之后），则需要以不同的方式排序，但这与 pandas 无关。

Answer 2

你还可以做得更简洁：

df.sort_index(axis=1)

---

确保将结果分配回来：

df = df.sort_index(axis=1)

或者就地进行：

df.sort_index(axis=1, inplace=True)

Answer 3

你可以这样做：

df[已排序（df.列）]

---

编辑：更短的是

df[sorted(df)]

Answer 4

对于多个列，您可以按您想要的顺序放置列：

#['A', 'B', 'C'] <-this is your columns order
df = df[['C', 'B', 'A']]

此示例显示了对列进行排序和切片：

d = {'col1':[1, 2, 3], 'col2':[4, 5, 6], 'col3':[7, 8, 9], 'col4':[17, 18, 19]}
df = pandas.DataFrame(d)

你得到：

col1  col2  col3  col4
 1     4     7    17
 2     5     8    18
 3     6     9    19

然后做：

df = df[['col3', 'col2', 'col1']]

结果：

col3  col2  col1
7     4     1
8     5     2
9     6     3     

Answer 5

Tweet 的答案 可以通过

传递给上面 BrenBarn 的答案

data.reindex_axis(sorted(data.columns, key=lambda x: float(x[1:])), axis=1)

因此，对于您的示例，请说：

vals = randint(low=16, high=80, size=25).reshape(5,5)
cols = ['Q1.3', 'Q6.1', 'Q1.2', 'Q9.1', 'Q10.2']
data = DataFrame(vals, columns = cols)

你得到：

data

    Q1.3    Q6.1    Q1.2    Q9.1    Q10.2
0   73      29      63      51      72
1   61      29      32      68      57
2   36      49      76      18      37
3   63      61      51      30      31
4   36      66      71      24      77

然后做：

data.reindex_axis(sorted(data.columns, key=lambda x: float(x[1:])), axis=1)

导致：

data


     Q1.2    Q1.3    Q6.1    Q9.1    Q10.2
0    2       0       1       3       4
1    7       5       6       8       9
2    2       0       1       3       4
3    2       0       1       3       4
4    2       0       1       3       4

Answer 6

如果您需要任意序列而不是排序序列，您可以这样做：

sequence = ['Q1.1','Q1.2','Q1.3',.....'Q6.1',......]
your_dataframe = your_dataframe.reindex(columns=sequence)

我在 2.7.10 中对此进行了测试，它对我有用。

Answer 7

不要忘记在 Wes 的答案中添加“inplace=True”或将结果设置为新的 DataFrame。

df.sort_index(axis=1, inplace=True)

Answer 8

最快的方法是：

df.sort_index(axis=1)

请注意，这会创建一个新实例。因此，您需要将结果存储在一个新变量中：

sortedDf=df.sort_index(axis=1)

Answer 9

sort

方法和

sorted

函数允许您提供自定义函数来提取用于比较的密钥：

>>> ls = ['Q1.3', 'Q6.1', 'Q1.2']
>>> sorted(ls, key=lambda x: float(x[1:]))
['Q1.2', 'Q1.3', 'Q6.1']

Answer 10

一个用例是您使用某些前缀命名（某些）列，并且您希望使用这些前缀对列进行排序并按某种特定顺序（不是按字母顺序）排序。

例如，您可能会以

Ft_

开头所有功能，以

Lbl_

开头标签等，并且您希望首先所有无前缀列，然后是所有功能，然后是标签。您可以使用以下函数来完成此操作（我会注意到使用

sum

来减少列表可能存在效率问题，但这不是问题，除非您有很多列，而我没有）：

def sortedcols(df, groups = ['Ft_', 'Lbl_'] ):
    return df[ sum([list(filter(re.compile(r).search, list(df.columns).copy())) for r in (lambda l: ['^(?!(%s))' % '|'.join(l)] + ['^%s' % i  for i in l ] )(groups)   ], [])  ]

Answer 11

print df.sort_index(by='Frequency',ascending=False)

其中 by 是列的名称，如果你想根据列对数据集进行排序