Python 对相关的每一列进行独立排序，并获取索引值

我想知道我的

DataFrame

中每一列相对于其他每一列从最高相关性到最低相关性的顺序

例子 看起来像：

      A     B     C     D
0  0.44  0.41  0.46  0.47
1  0.46  0.02  0.85  0.82
2  0.78  0.76  0.93  0.83
3  0.88  0.93  0.72  0.12
4  0.15  0.20  0.44  0.10
5  0.28  0.61  0.09  0.84

相关表如下所示：

print df.corr()

          A         B         C         D
A  1.000000  0.702557  0.689214  0.005000
B  0.702557  1.000000  0.038306 -0.113245
C  0.689214  0.038306  1.000000  0.074773
D  0.005000 -0.113245  0.074773  1.000000

我希望对列

B

进行排序

['B'，'A'，'C'，'D']

。

DataFrame

应该是这样的吗

   A  B  C  D
A  A  B  C  D
B  B  A  A  C
C  C  C  D  A
D  D  D  B  B

---

另外，我计划在2-4万列宽的

数据帧上执行此操作，因此性能是一个问题。
因此您需要一个计算协变量和标准偏差的函数

def std(l):
    m = sum(l)/float(len(l))
    return((sum([(m-k)*2 for k in l])/float(len(m)))**0.5)

import itertools as itt

def pc(l1,l2):
    m1 = sum(l1)/float(len(l1))
    m2 = sum(l2)/float(len(l2))
    cov = sum([(k[1]-m2)*(k[0]-m1)for k in itt.zip(l1,l2)])/flaot(len(itt.zip(l1,l2)))
    return(cov / (std(l1)*std(l2)))

现在您已经拥有了所需的函数，只需遍历所有的行对，获取所需的数据，并对其执行所需的操作。
我认为这会起作用：

In [11]:
df.corr().apply(lambda x: x.sort_values(ascending=False).index)

Out[11]:
   A  B  C  D
A  A  B  C  D
B  B  A  A  C
C  C  C  D  A
D  D  D  B  B

因此，这将对每列应用
排序\u值
，并返回索引

不确定这将如何在40k列df上进行缩放，但问题是当前df上的
排序_值
只能按特定列或行df宽进行排序
如何将索引作为数值而不是字符串进行排序，这对您有用吗？作为一个NumPy数组作为输出？
In [11]:
df.corr().apply(lambda x: x.sort_values(ascending=False).index)

Out[11]:
   A  B  C  D
A  A  B  C  D
B  B  A  A  C
C  C  C  D  A
D  D  D  B  B