來源：Python數(shù)據(jù)之道 (ID:PyDataLab)

作者：陽哥

Pandas 可以說是 在Python數(shù)據(jù)科學(xué)領(lǐng)域應(yīng)用最為廣泛的工具之一。

Pandas是一種高效的數(shù)據(jù)處理庫，它以 dataframe 和 series 為基本數(shù)據(jù)類型，呈現(xiàn)出類似excel的二維數(shù)據(jù)。

在數(shù)據(jù)處理過程中，咱們經(jīng)常需要將列按照一定的要求進行排序，以方便展示。

這里，陽哥來給大家分享下 在 Pandas 中將列排序的幾種常用方法。

數(shù)據(jù)準(zhǔn)備

文中主要使用了 pandas 和 akshare ，首先導(dǎo)入 Python 庫，如下：

import?pandas?as?pd
import?akshare?as?ak

print(f'pandas?version:?{pd.__version__}')

本次使用的數(shù)據(jù)如下：

data?=?{
????'brand':['Python數(shù)據(jù)之道','價值前瞻','菜鳥數(shù)據(jù)之道','Python','Java'],
????'B':[4,6,8,12,10],
????'A':[10,2,5,20,16],
????'D':[6,18,14,6,12],
????'years':[4,1,1,30,30],
????'C':[8,12,18,8,2],
}

df?=?pd.DataFrame(data=data)
df

現(xiàn)將現(xiàn)有的 columns 輸出，方便后面 copy 使用。

df.columns

#?Index(['brand',?'B',?'A',?'D',?'years',?'C'],?dtype='object')

Method 1

第一種方法，也是我自己常用的方法，就是自己將列的名稱按需要進行手動排序，然后運行代碼如下：

Method 2

第二種方法，是使用 .iloc 方法，通過列的位置來進行排序，如下：

Method 3

第三種方法，是使用 .loc 方法，通過列的名稱來進行排序，如下：

這種方法跟第一種方法類似，個人覺得第一種方法更簡潔些。

Method 4

第四種是 逆序 排序，算是排序中一種特定的排序方式。

#?Method?4?,逆序

cols?=?list(df.columns)

cols.reverse()

df[cols]

上述代碼中，cols.reverse() 是將列表（list）進行逆序排序。

此外，列表（list）的逆序排序，還可以用 cols[::-1] 來實現(xiàn)。因此，下面的方法也可以實現(xiàn)逆序排序。

#?Method?4?,逆序

cols?=?list(df.columns)

df[cols[::-1]]

關(guān)于 Python數(shù)據(jù)類型 list 的介紹，詳細內(nèi)容可以前往下面的鏈接：

• Python數(shù)據(jù)類型-List介紹(上)

• Python數(shù)據(jù)類型-List介紹(下)-列表推導(dǎo)式

實戰(zhàn)案例：自由排序

有時候，當(dāng)存在變量、列的數(shù)量較多，或者不同的dataframe中列的名稱不完全一致等情況出現(xiàn)時，咱們不一定會通過列名稱來實現(xiàn)排序。

這里分享一個實戰(zhàn)案例，是關(guān)于制作基金的十大持倉數(shù)據(jù)表的，具體過程我就不在這里描述了，下面給出實現(xiàn)的函數(shù)，有興趣的同學(xué)可以研究下。

自定義函數(shù)如下：

#?需要安裝?akshare
#?pip?install?akshare

years?=?['2019','2020','2021']

def?fund_stock_holding(years,code):
????data?=?pd.DataFrame()
????for?yr?in?years:
????????df_tmp?=?ak.fund_em_portfolio_hold(code=code,year=yr)
????????data?=?data.append(df_tmp)

????data['季度']=data['季度'].apply(lambda?x:x[:8])
????data['占凈值比例']?=?pd.to_numeric(data['占凈值比例'])
????data?=?data.sort_values(['季度','持倉市值'],ascending=[True,False])
????df?=?data.set_index(['序號','季度']).stack().unstack([1,2]).head(10)
????df?=?df.loc[:,(slice(None),?'股票名稱')]
????df?=?df.droplevel(None,axis=1)
????df.columns.name=None
????df?=?df.reset_index()
#?????df.index.name?=?None
????df['基金代碼']?=?code
????return?df
????
df?=?fund_stock_holding(years,'005669')
df

得到的數(shù)據(jù)表格如下：

上面的表格中，我需要將 基金代碼 這一列移動到 序號 這列的后面，由于 years = ['2019','2020','2021'] 這是一個變量，當(dāng)具體的值不同時，會導(dǎo)致列名稱不一樣，因此，在這種情況下我們不能直接使用列的具體名稱，但咱們可以通過 列的位置組合來實現(xiàn)，列的調(diào)整具體如下：

????cols?=?df.columns.tolist()
????cols?=?cols[:1]?+?cols[-1:]?+?cols[1:-1]??#?將基金代碼列名放前面
????df?=?df[cols]

將上面的調(diào)整過程整合到自定義函數(shù)中，完整的代碼如下：

#?需要安裝?akshare
#?pip?install?akshare

years?=?['2019','2020','2021']

def?fund_stock_holding_update(years,code):
????data?=?pd.DataFrame()
????for?yr?in?years:
????????df_tmp?=?ak.fund_em_portfolio_hold(code=code,year=yr)
????????data?=?data.append(df_tmp)

????data['季度']=data['季度'].apply(lambda?x:x[:8])
????data['占凈值比例']?=?pd.to_numeric(data['占凈值比例'])
????data?=?data.sort_values(['季度','持倉市值'],ascending=[True,False])
????df?=?data.set_index(['序號','季度']).stack().unstack([1,2]).head(10)
????df?=?df.loc[:,(slice(None),?'股票名稱')]
????df?=?df.droplevel(None,axis=1)
????df.columns.name=None
????df?=?df.reset_index()
#?????df.index.name?=?None
????df['基金代碼']?=?code
????cols?=?df.columns.tolist()
????cols?=?cols[:1]?+?cols[-1:]?+?cols[1:-1]??#?將基金代碼列名放前面
????df?=?df[cols]
????return?df
????
df?=?fund_stock_holding_update(years,'005669')
df

效果如下：

當(dāng)然，我最后實現(xiàn)的效果是將基金代碼換成基金名稱，這個可以想辦法實現(xiàn)，效果如下：

小結(jié)

以上就是關(guān)于 Pandas 中 列名稱排序的介紹，看似很簡單的內(nèi)容，在最后的實踐中，也還是有些小技巧的。

歡迎大家來暢聊，Pandas 中有哪些實用的小技巧~~