來源：Python數(shù)據(jù)之道 (ID:PyDataLab)

作者：陽哥

Pandas 可以說是 在Python數(shù)據(jù)科學領域應用最為廣泛的工具之一。

Pandas是一種高效的數(shù)據(jù)處理庫，它以 dataframe 和 series 為基本數(shù)據(jù)類型，呈現(xiàn)出類似excel的二維數(shù)據(jù)。

在數(shù)據(jù)處理過程中，咱們經(jīng)常需要將列按照一定的要求進行排序，以方便展示。

這里，陽哥來給大家分享下 在 Pandas 中將列排序的幾種常用方法。

數(shù)據(jù)準備

文中主要使用了 pandas 和 akshare ，首先導入 Python 庫，如下：

import?pandas?as?pd import?akshare?as?akprint(f'pandas?version:?{pd.__version__}')

本次使用的數(shù)據(jù)如下：

data?=?{'brand':['Python數(shù)據(jù)之道','價值前瞻','菜鳥數(shù)據(jù)之道','Python','Java'],'B':[4,6,8,12,10],'A':[10,2,5,20,16],'D':[6,18,14,6,12],'years':[4,1,1,30,30],'C':[8,12,18,8,2], }df?=?pd.DataFrame(data=data) df

現(xiàn)將現(xiàn)有的 columns 輸出，方便后面 copy 使用。

df.columns#?Index(['brand',?'B',?'A',?'D',?'years',?'C'],?dtype='object')

Method 1

第一種方法，也是我自己常用的方法，就是自己將列的名稱按需要進行手動排序，然后運行代碼如下：

Method 2

第二種方法，是使用 .iloc 方法，通過列的位置來進行排序，如下：

Method 3

第三種方法，是使用 .loc 方法，通過列的名稱來進行排序，如下：

這種方法跟第一種方法類似，個人覺得第一種方法更簡潔些。

Method 4

第四種是 逆序 排序，算是排序中一種特定的排序方式。

#?Method?4?,逆序cols?=?list(df.columns)cols.reverse()df[cols]

上述代碼中，cols.reverse() 是將列表（list）進行逆序排序。

此外，列表（list）的逆序排序，還可以用 cols[::-1] 來實現(xiàn)。因此，下面的方法也可以實現(xiàn)逆序排序。

#?Method?4?,逆序cols?=?list(df.columns)df[cols[::-1]]

關于 Python數(shù)據(jù)類型 list 的介紹，詳細內容可以前往下面的鏈接：

• Python數(shù)據(jù)類型-List介紹(上)

• Python數(shù)據(jù)類型-List介紹(下)-列表推導式

實戰(zhàn)案例：自由排序

有時候，當存在變量、列的數(shù)量較多，或者不同的dataframe中列的名稱不完全一致等情況出現(xiàn)時，咱們不一定會通過列名稱來實現(xiàn)排序。

這里分享一個實戰(zhàn)案例，是關于制作基金的十大持倉數(shù)據(jù)表的，具體過程我就不在這里描述了，下面給出實現(xiàn)的函數(shù)，有興趣的同學可以研究下。

自定義函數(shù)如下：

#?需要安裝?akshare #?pip?install?akshareyears?=?['2019','2020','2021']def?fund_stock_holding(years,code):data?=?pd.DataFrame()for?yr?in?years:df_tmp?=?ak.fund_em_portfolio_hold(code=code,year=yr)data?=?data.append(df_tmp)data['季度']=data['季度'].apply(lambda?x:x[:8])data['占凈值比例']?=?pd.to_numeric(data['占凈值比例'])data?=?data.sort_values(['季度','持倉市值'],ascending=[True,False])df?=?data.set_index(['序號','季度']).stack().unstack([1,2]).head(10)df?=?df.loc[:,(slice(None),?'股票名稱')]df?=?df.droplevel(None,axis=1)df.columns.name=Nonedf?=?df.reset_index() #?????df.index.name?=?Nonedf['基金代碼']?=?codereturn?dfdf?=?fund_stock_holding(years,'005669') df

得到的數(shù)據(jù)表格如下：

上面的表格中，我需要將 基金代碼 這一列移動到 序號 這列的后面，由于 years = ['2019','2020','2021'] 這是一個變量，當具體的值不同時，會導致列名稱不一樣，因此，在這種情況下我們不能直接使用列的具體名稱，但咱們可以通過 列的位置組合來實現(xiàn)，列的調整具體如下：

cols?=?df.columns.tolist()cols?=?cols[:1]?+?cols[-1:]?+?cols[1:-1]??#?將基金代碼列名放前面df?=?df[cols]

將上面的調整過程整合到自定義函數(shù)中，完整的代碼如下：

#?需要安裝?akshare #?pip?install?akshareyears?=?['2019','2020','2021']def?fund_stock_holding_update(years,code):data?=?pd.DataFrame()for?yr?in?years:df_tmp?=?ak.fund_em_portfolio_hold(code=code,year=yr)data?=?data.append(df_tmp)data['季度']=data['季度'].apply(lambda?x:x[:8])data['占凈值比例']?=?pd.to_numeric(data['占凈值比例'])data?=?data.sort_values(['季度','持倉市值'],ascending=[True,False])df?=?data.set_index(['序號','季度']).stack().unstack([1,2]).head(10)df?=?df.loc[:,(slice(None),?'股票名稱')]df?=?df.droplevel(None,axis=1)df.columns.name=Nonedf?=?df.reset_index() #?????df.index.name?=?Nonedf['基金代碼']?=?codecols?=?df.columns.tolist()cols?=?cols[:1]?+?cols[-1:]?+?cols[1:-1]??#?將基金代碼列名放前面df?=?df[cols]return?dfdf?=?fund_stock_holding_update(years,'005669') df

效果如下：

當然，我最后實現(xiàn)的效果是將基金代碼換成基金名稱，這個可以想辦法實現(xiàn)，效果如下：

小結

以上就是關于 Pandas 中 列名稱排序的介紹，看似很簡單的內容，在最后的實踐中，也還是有些小技巧的。

歡迎大家來暢聊，Pandas 中有哪些實用的小技巧~~

E?N?D各位伙伴們好，詹帥本帥假期搭建了一個個人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請移步小程序體驗一下哦！（歡迎提建議）推薦閱讀牛逼！Python常用數(shù)據(jù)類型的基本操作（長文系列第①篇） 牛逼！Python的判斷、循環(huán)和各種表達式（長文系列第②篇）牛逼！Python函數(shù)和文件操作（長文系列第③篇）牛逼！Python錯誤、異常和模塊（長文系列第④篇） 與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的Pandas实用技能，将列（column）排序的几种方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。