Переместить столбец по имени в начало таблицы в пандах

97

Вот мой 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

Как мне переместить столбец по имени ( "Mid") в начало таблицы, индекс 0. Вот как должен выглядеть 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

В моем текущем коде столбец перемещается по индексу, df.columns.tolist()но я бы хотел сместить его по имени.

python pandas move dataframe shift Boosted_d16
источник

Ответы:

114

Мы можем использовать ixдля изменения порядка, передав 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

Другой способ - взять ссылку на столбец и снова вставить ее впереди:

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

Вы также можете использовать locдля достижения того же результата, который ixбудет считаться устаревшим в будущей версии pandas и 0.20.0далее:

df = df.loc[:, cols]
EdChum
источник
54

Может быть, я что-то упускаю, но многие из этих ответов кажутся слишком сложными. У вас должна быть возможность просто установить столбцы в одном списке:

Колонна впереди:

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

Или, если вместо этого вы хотите переместить его на задний план:

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

Или, если вы хотите переместить более одного столбца:

cols_to_move = ['Mid', 'Zsore']
df           = df[ cols_to_move + [ col for col in df.columns if col not in cols_to_move ] ]
elPastor
источник
Для кого-то еще, убедитесь, что для нескольких столбцов вы используете вариант 3. Вариант 1 с несколькими столбцами не удаляет Mid& Zscoreиз столбца из исходной позиции. Я обнаружил это с Grouperошибкой при попытке группировки, когда один и тот же столбец был там дважды.
the775,
46

Вы можете использовать функцию df.reindex () в пандах. df это

                      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

определить список имен столбцов

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

переместите имя столбца куда хотите

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

затем используйте df.reindex()функцию, чтобы изменить порядок

df = df.reindex(columns= cols)

вывод: 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
Sachinmm
источник
31

Я предпочитаю это решение:

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

Его легче читать и быстрее, чем другие предлагаемые ответы. 

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

Оценка эффективности:

В этом тесте последний в данный момент столбец перемещается на передний план при каждом повторении. Методы на месте обычно работают лучше. В то время как решение citynorman может быть реализовано на месте, метод Эда .locЧама, основанный на методе sachinnm, reindexне может.

В то время как другие методы являются общими, решение citynorman ограничено pos=0. Я не заметил разницы в производительности между df.loc[cols]и df[cols], поэтому я не включил некоторые другие предложения.

Я тестировал Python 3.6.8 и pandas 0.24.2 на MacBook Pro (середина 2015 г.).

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))

Результаты :

# 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)
Норманий
источник
2
Отличное решение. Однако мы не должны явно назначать измененный df со вставленным столбцом исходному df. Вместо этого df = df.insert(0, col.name, col)нам нужно делать df.insert(0, col.name, col). Однако у вас это правильно в функции move_column_inplace().
Мелихозбек
1
Спасибо @normanius. Я вижу, я много работал в лаборатории Декстера. :-) Отличное решение. Бритва Оккама. Просто и элегантно.
brohjoe
Я тоже предпочитаю это решение :)
user88484
19

Мне не понравилось, как мне пришлось явно указывать все остальные столбцы в других решениях, поэтому это сработало для меня лучше всего. Хотя это может быть медленным для больших фреймов данных ...?

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

город нормальный
источник
Это использует текущие версии reset_index()вставки отброшенного индекса в первую позицию. Обратите внимание, однако, что это поведение не указано в документации .
normanius
1
Что касается производительности, смотрите мой ответ. Выгодно использовать и inplace=Trueдля, set_index()и для reset_index().
normanius
9

Вот общий набор кода, который я часто использую для изменения положения столбцов. Вы можете найти это полезным.

cols = df.columns.tolist()
n = int(cols.index('Mid'))
cols = [cols[n]] + cols[:n] + cols[n+1:]
df = df[cols]
Бхагабат Бехера
источник
3
в идеале, объясните свой ответ и объясните, что делает его хорошим решением, а не просто опубликуйте фрагмент кода. Вы рискуете проголосовать против
Tjebo
5

Чтобы изменить порядок строк DataFrame, просто используйте список, как показано ниже.

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

Это делает очень очевидным, что было сделано при чтении кода позже. Также используйте:

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

Затем вырежьте и вставьте, чтобы изменить порядок.

Для DataFrame с множеством столбцов сохраните список столбцов в переменной и вставьте нужный столбец в начало списка. Вот пример:

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]

Теперь df.columnsесть.

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)
Дастин Хелливелл
источник
Что, если вы работаете с DataFrame, состоящим из 1001 столбца?
normanius
Концепция та же, однако со многими столбцами столбцы должны храниться в списке, и этим списком нужно управлять. См. Мои правки выше для примера. Мой пример фактически такой же, как stackoverflow.com/a/51009742/5827921 .
Dustin
1

Вот на это очень простой ответ.

Не забывайте о двух скобках (()) вокруг имен столбцов, иначе вы получите ошибку. 


# 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
рра
источник
очевидно, что OP не хочет явно указывать имена столбцов. В некоторых случаях с очень широкими фреймами данных это может быть даже невозможно.
Ledger Yu
0

Самое простое, что вы можете попробовать:

df=df[[ 'Mid',   'Upper',   'Lower', 'Net'  , 'Zsore']]
НилМани Шривастава
источник