pandas groupby然后聚合结果顺序不可重复？

这是我的密码：

import pandas as pd
df = pd.DataFrame({'id': ['a', 'a', 'b', 'b', 'b'],
                   'v1': [1, 2, 3 ,4, 5],
                   'v2': [7, 6, 5, 4, 3],
                   'v3': [2, 4, 6, 8, 10]})

df.groupby('id').agg({'v1': ['count', 'sum'],
                      'v2': 'mean',
                      'v3': 'sum'})

我的问题是，每次我运行这段代码（在jupyter笔记本中），生成的数据帧都有不同的列顺序。这是熊猫身上的虫子吗

我的下一步是重命名生成的数据帧，但由于没有可复制的顺序，因此不可能编写可重用的代码来实现这一点。我怎样才能解决这个问题

顺便说一句，我使用的是python 3.5和pandas 0.23.0

---

谢谢

当我多次运行代码时，不会得到不同的顺序。但是，如果遇到此问题，可以在

agg

之后命名所需的订单。例如，如果您想要订单

v2

，

v3

，

v1

，请执行以下操作：

df.groupby('id',sort=False).agg({'v1': ['count', 'sum'],
                      'v2': 'mean',
                      'v3': 'sum'})[['v2','v3','v1']]

     v2  v3    v1    
   mean sum count sum
id                   
a   6.5   6     2   3
b   4.0  24     3  12

或者，如果您只是想要与原始数据帧相同的顺序：

df.groupby('id',as_index=False).agg({'v1': ['count', 'sum'],
                                     'v2': 'mean',
                                     'v3': 'sum'})[df.columns]

  id    v1       v2  v3
     count sum mean sum
0  a     2   3  6.5   6
1  b     3  12  4.0  24

但总而言之，@Allolz的评论在我看来是最有意义的，它使用了

排序索引（1）

：

---

当我多次运行代码时，不会得到不同的排序。但是，如果遇到此问题，可以在

agg

之后命名所需的订单。例如，如果您想要订单

v2

，

v3

，

v1

，请执行以下操作：

df.groupby('id',sort=False).agg({'v1': ['count', 'sum'],
                      'v2': 'mean',
                      'v3': 'sum'})[['v2','v3','v1']]

     v2  v3    v1    
   mean sum count sum
id                   
a   6.5   6     2   3
b   4.0  24     3  12

或者，如果您只是想要与原始数据帧相同的顺序：

df.groupby('id',as_index=False).agg({'v1': ['count', 'sum'],
                                     'v2': 'mean',
                                     'v3': 'sum'})[df.columns]

  id    v1       v2  v3
     count sum mean sum
0  a     2   3  6.5   6
1  b     3  12  4.0  24

但总而言之，@Allolz的评论在我看来是最有意义的，它使用了

排序索引（1）

：

---

dict

键在Python 3.5中没有排序；这适用于代码中的

pd.DataFrame（）

和

.agg（）

中使用的

dict

s。您可以使用Python标准库中的

collections

模块中的

orderedict

，也可以使用

DataFrame.reindex（）

重新组织列和行，如下所示：

import pandas as pd
df = pd.DataFrame({
    'id': ['a', 'a', 'b', 'b', 'b'],
    'v1': [1, 2, 3 ,4, 5],
    'v2': [7, 6, 5, 4, 3],
    'v3': [2, 4, 6, 8, 10]
})

df = df.set_index('id')
df = df.reindex(columns=['v1', 'v2', 'v3'])

df.groupby(level='id').agg({
    'v1': ['count', 'sum'],
    'v2': 'mean',
    'v3': 'sum'
})

---

DataFrame.reindex（）

比

DataFrame.sort\u index（）

dict

键在Python3.5中没有顺序；这适用于代码中的

pd.DataFrame（）

和

.agg（）

中使用的

dict

s。您可以使用Python标准库中的

collections

模块中的

orderedict

，也可以使用

DataFrame.reindex（）

重新组织列和行，如下所示：

import pandas as pd
df = pd.DataFrame({
    'id': ['a', 'a', 'b', 'b', 'b'],
    'v1': [1, 2, 3 ,4, 5],
    'v2': [7, 6, 5, 4, 3],
    'v3': [2, 4, 6, 8, 10]
})

df = df.set_index('id')
df = df.reindex(columns=['v1', 'v2', 'v3'])

df.groupby(level='id').agg({
    'v1': ['count', 'sum'],
    'v2': 'mean',
    'v3': 'sum'
})

---

DataFrame.reindex（）

比

DataFrame.sort\u index（）

字典在Python 3.7中排序。我认为添加

.sort\u index（1）

应该确保列的排序方式始终相同。字典在Python3.7中排序。也许可以换成那样？我认为添加

.sort\u index（1）

可以确保您的列总是以相同的方式排序。我最喜欢第一种方法，因为我可以完全控制我想要的顺序。谢谢@sacul。我最喜欢第一种方法，因为我可以随心所欲地完全控制订单。谢谢@sacul。