我有一个df,如下所示:
Store Spend_1 Spend_2 Spend_3 Spend_4 Variance_1 Variance_2 Variance_3 Variance_4
0 1 200 230 189 200 -14 16 -6 18
1 2 224 104 240 203 -17 -11 17 -18
2 3 220 168 131 210 10 -9 12 19
3 4 143 187 139 188 -1 -17 -20 -9
4 5 179 121 162 131 6 -25 5 20
5 6 208 158 140 191 16 -14 -22 -6
我正在尝试对列名应用自定义排序以对其进行排序:
Store Spend_1 Variance_1 Spend_2 Variance_2 Spend_3 Variance_3 Spend_4 Variance_4
0 1 200 -14 230 16 189 -6 200 18
1 2 224 -17 104 -11 240 17 203 -18
2 3 220 10 168 -9 131 12 210 19
3 4 143 -1 187 -17 139 -20 188 -9
4 5 179 6 121 -25 162 5 131 20
5 6 208 16 158 -14 140 -22 191 -6
我已经尝试了简单的sorted
但显然这适用于字母顺序,忽略了末尾的整数。
了enumerating
作为number
,cols
df.columns
将字符串更改为整数,应用排序然后使用iloc
中的数字,但我不确定如何以这种方式应用自定义排序。
有人能帮忙吗?
的想法是使用key
参数 2 个值 - _
后的值转换为 inetegr
s,第一个值在 _
之前,但解决方案适用于所有没有第一个带 df.columns[1:]
的列,所以最后一个是按 df.columns[:1].tolist()
添加第一列:
cols = df.columns[:1].tolist() +sorted(df.columns[1:],
key=lambda x: (int(x.split('_')[1]), x.split('_')[0]))
df = df[cols]
print (df)
Store Spend_1 Variance_1 Spend_2 Variance_2 Spend_3 Variance_3
0 1 200 -14 230 16 189 -6
1 2 224 -17 104 -11 240 17
2 3 220 10 168 -9 131 12
3 4 143 -1 187 -17 139 -20
4 5 179 6 121 -25 162 5
5 6 208 16 158 -14 140 -22
Spend_4 Variance_4
0 200 18
1 203 -18
2 210 19
3 188 -9
4 131 20
5 191 -6
您可以将key
t 传递给sorted
以执行自己的自定义排序:
sorted_columns = sorted(df.columns, key = lambda col: col[-1] + col[:-1])
df[sorted_columns]
这些想法是将最后一个整数放在第一位。如果你能达到两位数,这将分解。
我能想到的最简单的方法是定义你自己的排序键
df = df.reindex(sorted(df.columns, key=lambda x: int(x.split("_")[1]) if "_" in x else 0), axis=1)
这是一种拆分_
列的方法,反转结果列表,以便进一步排序优先考虑尾随数字并使用pandas.Index.argsort
:
df.iloc[:,[0]+[*df.columns.str.split('_').str[::-1].argsort()[:-1]]]
Store Spend_1 Variance_1 Spend_2 Variance_2 Spend_3 Variance_3
0 1 200 -14 230 16 189 -6
1 2 224 -17 104 -11 240 17
2 3 220 10 168 -9 131 12
3 4 143 -1 187 -17 139 -20
4 5 179 6 121 -25 162 5
5 6 208 16 158 -14 140 -22
Spend_4 Variance_4
0 200 18
1 203 -18
2 210 19
3 188 -9
4 131 20
5 191 -6