Question

我想简单地反转给定DataFrame的列顺序。

我的DataFrame：

data = {'year': [2010, 2011, 2012, 2011, 2012, 2010, 2011, 2012],
    'team': ['Bears', 'Bears', 'Bears', 'Packers', 'Packers', 'Lions', 'Lions', 'Lions'],
    'wins': [11, 8, 10, 15, 11, 6, 10, 4],
    'losses': [5, 8, 6, 1, 5, 10, 6, 12]}
football = pd.DataFrame(data, columns=['year', 'team', 'wins', 'losses'])

实际输出：

   year     team  wins  losses
0  2010    Bears    11       5
1  2011    Bears     8       8
2  2012    Bears    10       6
3  2011  Packers    15       1
4  2012  Packers    11       5
5  2010    Lions     6      10
6  2011    Lions    10       6
7  2012    Lions     4      12

我认为这样可行，但它会反转行顺序而不是列顺序：

football[::-1]

我也尝试过：

football.columns = football.columns[::-1]

但是这反转了列标签而不是整个列本身。

Answer 1

接近您已经尝试过的解决方案是使用：

>>> football[football.columns[::-1]]
   losses  wins     team  year
0       5    11    Bears  2010
1       8     8    Bears  2011
2       6    10    Bears  2012
3       1    15  Packers  2011
4       5    11  Packers  2012
5      10     6    Lions  2010
6       6    10    Lions  2011
7      12     4    Lions  2012

football.columns[::-1]颠倒了DataFrame的列序列，football[...]使用这个新序列重新索引DataFrame。

实现相同目标的更简洁方法是使用iloc索引器：

football.iloc[:, ::-1]

第一个:表示＆＃34;取所有行＆＃34;，::-1表示向后退一列。

@ PietroBattiston的回答中提到的loc索引器以同样的方式工作。

Answer 2

注意：截至Pandas v0.20，.ix indexer is deprecated赞成.iloc / .loc。

接近EdChum's answer ...但速度更快：

In [3]: %timeit football.ix[::,::-1]
1000 loops, best of 3: 255 µs per loop

In [4]: %timeit football.ix[::,football.columns[::-1]]
1000 loops, best of 3: 491 µs per loop

还要注意一个冒号是多余的：

In [5]: all(football.ix[:,::-1] == football.ix[::,::-1])
Out[5]: True

编辑：使用.loc而不是.ix进一步（最小）改进，如football.loc[:,::-1]。

Answer 3

注意：截至Pandas v0.20，.ix indexer is deprecated赞成.iloc / .loc。

您可以使用花式索引.ix，传递列，然后反转列表以更改顺序：

In [27]:

football.ix[::,football.columns[::-1]]
Out[27]:
   losses  wins     team  year
0       5    11    Bears  2010
1       8     8    Bears  2011
2       6    10    Bears  2012
3       1    15  Packers  2011
4       5    11  Packers  2012
5      10     6    Lions  2010
6       6    10    Lions  2011
7      12     4    Lions  2012

<强>定时

In [32]:

%timeit football[football.columns[::-1]]
1000 loops, best of 3: 421 µs per loop
In [33]:

%timeit football.ix[::,football.columns[::-1]]
1000 loops, best of 3: 403 µs per loop

在这种情况下，花哨的索引速度稍快一些

反向DataFrame列顺序

3 个答案: