Python 根据指定的字符串排列排列列在熊猫中的位置

我的dataframe在“A”和“B”之间具有类似的列名，如下所示：

df = pd.DataFrame({'A_Text1':1, 'A_Text2':2, 'A_Text3':3, 'B_Text1':4, 'B_Text2':5, 'B_Text3':6, 'A_Text4':7,  'B_Text4':8})

df = pd.DataFrame({'A_Text3':3, 'A_Text4':7, 'A_Text1':1, 'A_Text2':2, 'B_Text3':6, 'B_Text4':8, 'B_Text1':4, 'B_Text2':5})

当我从这里使用解决方案时，我会得到这样的结果，因为它按字母顺序排列：

df = pd.DataFrame({'A_Text1':1, 'A_Text2':2, 'A_Text3':3, 'A_Text4':7, 'B_Text1':4, 'B_Text2':5, 'B_Text3':6, 'B_Text4':8})

我真正需要的是能够按照我希望的方式排列列名，如下所示：

df = pd.DataFrame({'A_Text1':1, 'A_Text2':2, 'A_Text3':3, 'B_Text1':4, 'B_Text2':5, 'B_Text3':6, 'A_Text4':7,  'B_Text4':8})

df = pd.DataFrame({'A_Text3':3, 'A_Text4':7, 'A_Text1':1, 'A_Text2':2, 'B_Text3':6, 'B_Text4':8, 'B_Text1':4, 'B_Text2':5})

---

其中带有“\u Text”的列名的排列方式总是像我上面指定的那样（\u Text3、\u Text4、\u Text1、\u Text2），因为我有数百个具有类似“\u Text”名称的列。

一个想法是使用helper

dictionary

为自定义顺序映射另一个dictionary以替换in

重命名

，last用于按新列名称更改顺序：

order = {'Text3':'1', 'Text4':'2', 'Text1':'3', 'Text2':'4'}

d = df.columns.to_series().replace(order, regex=True).to_dict()

print (df.rename(columns=d).columns)
Index(['A_3', 'A_4', 'A_1', 'B_3', 'B_4', 'B_1', 'A_2', 'B_2'], dtype='object')

---

您还可以创建动态字典，如果列表中有10多列，还可以添加零以进行正确排序：

order = ['Text3', 'Text4', 'Text1', 'Text2']

order_d = {v: f'{k:03}' for k, v in enumerate(order, 1)}
print (order_d)
{'Text3': '001', 'Text4': '002', 'Text1': '003', 'Text2': '004'}

d = df.columns.to_series().replace(order_d, regex=True)
print (df.rename(columns=d).columns)
Index(['A_003', 'A_004', 'A_001',
       'B_003', 'B_004', 'B_001', 'A_002', 'B_002'], dtype='object')

df = df.iloc[:, df.rename(columns=d).columns.argsort()]
print (df)
   A_Text3  A_Text4  A_Text1  A_Text2  B_Text3  B_Text4  B_Text1  B_Text2
0        3        7        1        2        6        8        4        5

---

让我们尝试一下pd.category第一个想法是创建列的数据帧，并提取字母和数字表示

然后我们应用分类排序

s = df.columns.to_frame('')

s = s.join(s[0].str.extract("(\w)_\D+(\d)").rename(columns={0: "alpha", 1: "numeric"}))

print(s)

         0 alpha numeric
0  A_Text1     A       1
1  A_Text2     A       2
2  A_Text3     A       3
3  B_Text1     B       1
4  B_Text2     B       2
5  B_Text3     B       3
6  A_Text4     A       4
7  B_Text4     B       4

#define your custom order.
order = [3,4,1,2]
s['numeric'] = pd.Categorical(s['numeric'].astype(int),order,ordered=True)
s_ordered = s.sort_values(['alpha','numeric'])


         0 alpha numeric
2  A_Text3     A       3
6  A_Text4     A       4
0  A_Text1     A       1
1  A_Text2     A       2
5  B_Text3     B       3
7  B_Text4     B       4
3  B_Text1     B       1
4  B_Text2     B       2

---

然后重新分配到您的列

df.columns = s_ordered[0].tolist()

  A_Text3  A_Text4  A_Text1  A_Text2  B_Text3  B_Text4  B_Text1  B_Text2
0        1        2        3        4        5        6        7        8

---

非常好的解决方案+1