Python 按标签系列重新索引数据框列
我有一系列的标签Python 按标签系列重新索引数据框列,python,pandas,dataframe,indexing,reindex,Python,Pandas,Dataframe,Indexing,Reindex,我有一系列的标签 pd.Series(['L1', 'L2', 'L3'], ['A', 'B', 'A']) 和一个数据帧 pd.DataFrame([[1,2], [3,4]], ['I1', 'I2'], ['A', 'B']) 我想要一个数据框,其中列['L1','L2','L3']分别来自'a','B','a'的列数据。就像这样 pd.DataFrame([[1,2,1], [3,4,3]], ['I1', 'I2'], ['L1', 'L2', 'L3']) 以一种很好的方式。
pd.Series(['L1', 'L2', 'L3'], ['A', 'B', 'A'])
和一个数据帧
pd.DataFrame([[1,2], [3,4]], ['I1', 'I2'], ['A', 'B'])
我想要一个数据框,其中列['L1','L2','L3']
分别来自'a','B','a'的列数据。就像这样
pd.DataFrame([[1,2,1], [3,4,3]], ['I1', 'I2'], ['L1', 'L2', 'L3'])
以一种很好的方式。这将生成您描述的数据帧:
import pandas as pd
import numpy as np
data = [['A','B','A','A','B','B'],
['B','B','B','A','B','B'],
['A','B','A','B','B','B']]
columns = ['L1', 'L2', 'L3', 'L4', 'L5', 'L6']
pd.DataFrame(data, columns = columns)
因为您提到了
reindex
#s=pd.Series(['L1', 'L2', 'L3'], ['A', 'B', 'A'])
#df=pd.DataFrame([[1,2], [3,4]], ['I1', 'I2'], ['A', 'B'])
df.reindex(s.index,axis=1).rename(columns=s.to_dict())
Out[598]:
L3 L2 L3
I1 1 2 1
I2 3 4 3
您可以使用
loc
访问器:
s = pd.Series(['L1', 'L2', 'L3'], ['A', 'B', 'A'])
df = pd.DataFrame([[1,2], [3,4]], ['I1', 'I2'], ['A', 'B'])
res = df.loc[:, s.index]
print(res)
A B A
I1 1 2 1
I2 3 4 3
或iloc
访问或使用列。获取loc
:
res = df.iloc[:, s.index.map(df.columns.get_loc)]
这两种方法都允许访问重复的标签/位置,与NumPy数组的方式相同。是否创建示例数据并显示预期结果?希望这有助于澄清。真正的问题是有很多标签,而且是一个较大的数据帧。我认为reindex是正确的解决方案,但我似乎无法用正确的方法编写。如果没有reindex,有一种更干净的方法,我很乐意使用它,但这看起来很棒。@rhasket
df.loc[:,s.index]。重命名(columns=s.to_dict())