Python 在pandas中选择、排序和重命名列

我试图找出pandas中的

R的select

函数等价物。有一个基本的，但它不是给一个指南，我想做什么

raw_data = {'patient': [1, 1, 1, 2, 2],
        'obs': [1, 2, 3, 1, 2],
        'treatment': [0, 1, 0, 1, 0],
        'score': ['strong', 'weak', 'normal', 'weak', 'strong']}
df = pd.DataFrame(raw_data, columns = ['patient', 'obs', 'treatment', 'score'])


df.rename(columns = {'treatment':'treat'},inplace=True)


df = df.loc[:, ['treat','score','obs']]

Out[89]: 
   treat   score  obs
0      0  strong    1
1      1    weak    2
2      0  normal    3
3      1    weak    1
4      0  strong    2

我们可以使用

R的

dplyr

select(df, treat=treatment, score, obs)  that's it. 

---

如何使用pandas实现这一点？仅使用一行代码进行选择、排序和重命名？

pandas中没有等效的选择和重命名方法，是否需要使用类似的解决方案：

df = df.rename(columns = {'treatment':'treat'})[['treat','score','obs']]
#alternative
#df = df[['treatment','score','obs']].rename(columns = {'treatment':'treat'})
print (df)
   treat   score  obs
0      0  strong    1
1      1    weak    2
2      0  normal    3
3      1    weak    1
4      0  strong    2

---

现在，您可以在python中以

dplyr

的方式执行此操作：

>>从datar.all导入f，tibble，选择
>>> 
>>>原始数据=TIBLE(
…患者=[1,1,1,2,2]，
…obs=[1,2,3,1,2]，
…治疗=[0,1,0,1,0]，
…得分=[‘强’、‘弱’、‘正常’、‘弱’、‘强’]
... )
>>>#在python中，关键字参数必须排在最后
>>>#我们指定score=f.score以保持名称不变
>>>选择（原始数据，treat=f.treat，score=f.score，obs=f.obs）
治疗分数obs
0强1
1弱2
2 0正常3
3 1弱1
40强2

我是这个包裹的作者。如果您有任何问题，请随时提交问题