パンダのテーブルの前に名前で列を移動します


100

これが私のdfです:

                             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

名前("Mid")で列をテーブルの先頭のインデックス0に移動するにはどうすればよいですか。結果は次のようになります。

                             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

現在のコードでは、を使用してインデックスごとに列を移動していますが、df.columns.tolist()名前でシフトしたいと思います。

回答:


119

ixリストを渡すことで並べ替えに使用できます。

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

別の方法は、列への参照を取得し、それを前に再挿入することです。

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

また、パンダの将来のバージョンで非推奨になるのとloc同じ結果を達成するために使用することもできます。ix0.20.0

df = df.loc[:, cols]

56

何かが足りないかもしれませんが、これらの答えの多くは非常に複雑に見えます。単一のリスト内で列を設定できるはずです。

前面の列:

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

または、代わりに、それを後ろに移動したい場合:

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

または、複数の列を移動したい場合:

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

誰のために、あなたが複数の列3.オプション1は削除されませんオプションを使用する複数の列のために確認してくださいMidZscore元の位置からの列から。Grouper同じ列が2回存在するときに、グループ化しようとするとエラーが発生することがわかりました。
the7 7520

46

パンダでdf.reindex()関数を使用できます。dfは

                      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

列名のリストを定義する

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

列名を任意の場所に移動します

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

次に、df.reindex()関数を使用して並べ替えます

df = df.reindex(columns= cols)

出力は: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

37

私はこの解決策を好みます:

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

他の提案された回答よりも読みやすく、高速です。

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

パフォーマンス評価:

このテストでは、現在最後の列が各繰り返しで先頭に移動されます。インプレース方式は、一般的にパフォーマンスが向上します。シティノーマンのソリューションはインプレースで作成できますが、.locEdChumの方法に基づく方法とsachinnmの方法に基づく方法はreindexできません。

他の方法は一般的ですが、citynormanのソリューションはに制限されていpos=0ます。私は間のパフォーマンスの違いを観察しなかったdf.loc[cols]df[cols]私はいくつかの他の提案が含まれていなかった理由です。

MacBook Pro(Mid 2015)でpython3.6.8とpandas0.24.2を使用してテストしました。

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))

結果

# 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)

2
素晴らしいソリューション。ただし、列が挿入された変更済みdfを元のdfに明示的に割り当てることはできません。したがって、の代わりにdf = df.insert(0, col.name, col)、を実行する必要がありますdf.insert(0, col.name, col)move_column_inplace()ただし、関数には正しく含まれています。
melihozbek

1
@normaniusに感謝します。デクスターズラボラトリーで一生懸命働いているそうです。:-)素晴らしい解決策。オッカムのかみそり。シンプルでエレガント。
brohjoe

私もこのソリューションを好みます:)
user884 8420

19

他のソリューションで他のすべての列を明示的に指定する方法が気に入らなかったので、これが最適に機能しました。大きなデータフレームでは遅いかもしれませんが...?

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


これは、現在のバージョンがreset_index()ドロップされたインデックスを最初の位置に挿入することを悪用します。ただし、この動作はドキュメントでは指定されていないことに注意してください。
ノルマニウス

1
パフォーマンスについては、私の答えを参照してください。これは、使用するのが有利だinplace=Trueの両方のためにset_index()reset_index()
ノルマニウス

9

これは、列の位置を再配置するために頻繁に使用する一般的なコードのセットです。あなたはそれが役に立つと思うかもしれません。

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

3
理想的には、コードの一部を投稿するだけでなく、あなたの答えとそれが良い解決策になる理由を説明してください。あなたは
反対票を投じる

5

DataFrameの行を並べ替えるには、次のようにリストを使用します。

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

これにより、後でコードを読み取るときに何が行われたかが非常に明確になります。また使用:

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

次に、カットアンドペーストして並べ替えます。


多くの列を持つDataFrameの場合、列のリストを変数に格納し、目的の列をリストの先頭にポップします。次に例を示します。

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]

df.columns持っています。

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)

1001列で構成されるDataFrameを使用する場合はどうなりますか?
ノルマニウス

概念は同じですが、多くの列がある場合、列をリストに格納し、リストを操作する必要があります。例については、上記の私の編集を参照してください。私の例は実質的にstackoverflow.com/a/51009742/5827921と同じです。
ダスティンヘリウェル

1

これに対する非常に簡単な答えがあります。

列名を囲む2つの(()) '括弧'を忘れないでください。そうしないと、エラーが発生します。


# 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

明らかに、OPは列名を明示的に記述したくないのです。非常に広いデータフレームでは、それが不可能な場合もあります。
元帳Yu20年

0

あなたが試すことができる最も単純なことは次のとおりです。

df=df[[ 'Mid',   'Upper',   'Lower', 'Net'  , 'Zsore']]
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.