Pindahkan kolom menurut nama ke depan tabel di panda

Ini df saya:

                             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

Bagaimana cara memindahkan kolom dengan nama ( "Mid") ke depan tabel, indeks 0. Hasilnya akan terlihat seperti ini:

                             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

Kode saya saat ini memindahkan kolom dengan menggunakan indeks df.columns.tolist()tetapi saya ingin menggantinya dengan nama.

Kita dapat menggunakan ixuntuk menyusun ulang dengan melewatkan daftar:

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

Metode lain adalah dengan mengambil referensi ke kolom dan memasukkannya kembali di depan:

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

Anda juga dapat menggunakan locuntuk mendapatkan hasil yang sama seperti yang ixakan dihentikan di versi panda yang akan datang mulai dari 0.20.0dan seterusnya:

df = df.loc[:, cols]

Mungkin saya melewatkan sesuatu, tetapi banyak dari jawaban ini tampak terlalu rumit. Anda harus dapat mengatur kolom dalam satu daftar:

Kolom ke depan:

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

Atau jika sebaliknya, Anda ingin memindahkannya ke belakang:

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

Atau jika Anda ingin memindahkan lebih dari satu kolom:

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

Anda dapat menggunakan fungsi df.reindex () di pandas. df adalah

                      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

tentukan daftar nama kolom

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

pindahkan nama kolom ke mana pun Anda inginkan

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

kemudian gunakan df.reindex()fungsi untuk menyusun ulang

df = df.reindex(columns= cols)

out put adalah: 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

Saya lebih suka solusi ini:

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

Ini lebih mudah dibaca dan lebih cepat daripada jawaban yang disarankan lainnya.

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

Penilaian kinerja:

Untuk pengujian ini, kolom terakhir saat ini dipindahkan ke depan di setiap pengulangan. Metode di tempat biasanya bekerja lebih baik. Sementara solusi citynorman dapat dibuat di tempat, metode Ed Chum berdasarkan .locdan metode sachinnm berdasarkan reindextidak bisa.

Sementara metode lain bersifat umum, solusi citynorman terbatas pada pos=0. Saya tidak mengamati perbedaan kinerja apa pun antara df.loc[cols]dan df[cols], itulah sebabnya saya tidak menyertakan beberapa saran lain.

Saya menguji dengan python 3.6.8 dan pandas 0.24.2 di MacBook Pro (Pertengahan 2015).

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))

Hasil :

# 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)

Saya tidak suka bagaimana saya harus secara eksplisit menentukan semua kolom lain di solusi lain jadi ini bekerja paling baik untuk saya. Meskipun mungkin lambat untuk kerangka data besar ...?

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

Berikut ini sekumpulan kode umum yang sering saya gunakan untuk mengatur ulang posisi kolom. Anda mungkin merasa berguna.

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

Untuk menyusun ulang baris DataFrame cukup gunakan daftar sebagai berikut.

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

Ini membuatnya sangat jelas apa yang dilakukan saat membaca kode nanti. Juga gunakan:

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

Kemudian potong dan tempel untuk menyusun ulang.

Untuk DataFrame dengan banyak kolom, simpan daftar kolom dalam variabel dan pop kolom yang diinginkan ke depan daftar. Berikut ini contohnya:

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]

Sekarang df.columnspunya.

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)

Inilah jawaban yang sangat sederhana untuk ini.

Jangan lupa dua (()) 'tanda kurung' di sekitar nama kolom. Jika tidak, itu akan memberi Anda kesalahan.

# 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

Hal paling sederhana yang dapat Anda coba adalah:

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