按数字顺序对 df.columns 的字母重新排序

Question

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。

我已经玩弄

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？

Answer 1

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  

Answer 2

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。

Answer 3

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) 

Answer 4

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