如何更改DataFrame列的顺序？

我有以下DataFrame（df）：

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.rand(10, 5))

我通过分配添加更多列：

df['mean'] = df.mean(1)

如何将列的意思移到前面，即将其设置为第一列，而其他列的顺序保持不变？

当前回答

我想在一个数据帧前面加上两列，我不知道所有列的确切名称，因为它们是从之前的pivot语句生成的。所以，如果你也遇到同样的情况：把你知道名字的列放在前面，然后让它们跟着“所有其他列”，我提出了以下一般解决方案：

df = df.reindex_axis(['Col1','Col2'] + list(df.columns.drop(['Col1','Col2'])), axis=1)

其他回答

假设您有列为A、B、C的df。

最简单的方法是：

df = df.reindex(['B','C','A'], axis=1)

熊猫>=1.3（2022年编辑）：

df.insert(0, 'mean', df.pop('mean'))

怎么样（对于熊猫<1.3，原始答案）

df.insert(0, 'mean', df['mean'])

https://pandas.pydata.org/pandas-docs/stable/user_guide/dsintro.html#column-选择添加删除

这里有一种移动一个现有列的方法，它将修改现有的数据帧。

my_column = df.pop('column name')
df.insert(3, my_column.name, my_column)  # Is in-place

书中最黑客的方法

df.insert(0, "test", df["mean"])
df = df.drop(columns=["mean"]).rename(columns={"test": "mean"})

对我来说，一个非常简单的解决方案是在df.columns上使用.rendex：

df = df[df.columns.reindex(['mean', 0, 1, 2, 3, 4])[0]]

推荐文章