Question

我有一个像这样的列的数据框（例如，1是任何值来简化这里的事情：

         ID    App R1    Pear R1    Oro R1   App R2   Pear R2    Oro R2    App R3   Pear R3   Oro R3
0         1         1         1         1         1         1         1         1         1        1
1         1         1         1         1         1         1         1         1         1        1

我想重新排列这样的列：

         ID    App R1    App R2    App R3   Pear R1   Pear R2    Pear R3    Oro R1   Oro R2   Oro R3
0         1         1         1         1         1         1         1         1         1        1
1         1         1         1         1         1         1         1         1         1        1

我试过了：

df.columns = [['ID'] + ['App R{}'.format(r+1)] + ['Pear R{}'.format(r+1)] + ['Matched fragment ions R{}'.format(r+1)] + ['Oro R{}'.format(r+1)] for r in range(len(files))]

n.b：App，Pear和Oro的数量r将取决于我开始的csv的数量r

然而，到目前为止没有成功。

谢谢你能帮我解决这个问题。

Answer 1

将自定义sorted与查找密钥

一起使用

In [4291]: look = {'I':0, 'A':1, 'P':2, 'O':3}  # order for letters 

In [4292]: sorted(df.columns, key=lambda x: look.get(x[0], ''))  # first letter key
Out[4292]:
['ID',
 'App R1',
 'App R2',
 'App R3',
 'Pear R1',
 'Pear R2',
 'Pear R3',
 'Oro R1',
 'Oro R2',
 'Oro R3']

In [4293]: df[sorted(df.columns, key=lambda x: look.get(x[0], ''))]
Out[4293]:
   ID  App R1  App R2  App R3  Pear R1  Pear R2  Pear R3  Oro R1  Oro R2  \
0   1       1       1       1        1        1        1       1       1
1   1       1       1       1        1        1        1       1       1

   Oro R3
0       1
1       1

Answer 2

我认为MultiIndex应该有所帮助：

#set all not R columns to index
df = df.set_index(['ID'])
#create multiindex
df.columns = df.columns.str.split(expand=True)
#custom reordering
df = df.reindex(columns=['App','Pear','Oro'], level=0)
print (df)
   App       Pear       Oro      
    R1 R2 R3   R1 R2 R3  R1 R2 R3
ID                               
1    1  1  1    1  1  1   1  1  1
1    1  1  1    1  1  1   1  1  1

df.columns = df.columns.map(' '.join)
print (df)
    App R1  App R2  App R3  Pear R1  Pear R2  Pear R3  Oro R1  Oro R2  Oro R3
ID                                                                           
1        1       1       1        1        1        1       1       1       1
1        1       1       1        1        1        1       1       1       1

在Pandas数据框中按名称和编号重新排列列

2 个答案: