重新索引以匹配原始列

Question

我有如下所示的训练数据（ df ）...

from io  import StringIO
import pandas as pd

myst="""india, 905034 , 19:44   
USA, 905094  , 19:33
Russia,  905154 ,   21:56

"""
u_cols=['country', 'index', 'current_tm']

myf = StringIO(myst)
import pandas as pd
df = pd.read_csv(StringIO(myst), sep=',', names = u_cols)

我得到了测试数据（ df1 ），但是列与原始训练集不匹配。

myst1="""india, 123455 , 19:44   
USA, 233455  , 19:33
Russia,  5666432 ,   21:56

"""
u_cols1=['country', 'index', 'dummy_col']
df1 = pd.read_csv(StringIO(myst1), sep=',', names = u_cols1)

是否可以重新索引新数据以使其与原始结构匹配，以使最终数据帧看起来像这样（ df2 ）？

myst2="""india, 123455 , NULL   
USA, 233455  , NULL
Russia,  5666432 ,   NULL

"""
u_cols2=['country', 'index', 'current_tm']
df2 = pd.read_csv(StringIO(myst2), sep=',', names = u_cols2)

Answer 1

在训练数据列中使用reindex：

df3 = df1.reindex(columns=df.columns)
print (df3)
  country    index  current_tm
0   india   123455         NaN
1     USA   233455         NaN
2  Russia  5666432         NaN