python - 重新排序 df.columns alpha 数字
问题描述
我有一个 df 如下:
Store Spend_1 Spend_2 Spend_3 Spend_4 Variance_1 Variance_2 Variance_3 Variance_4
0 1 200 230 189 200 -14 16 -6 18
1 2 224 104 240 203 -17 -11 17 -18
2 3 220 168 131 210 10 -9 12 19
3 4 143 187 139 188 -1 -17 -20 -9
4 5 179 121 162 131 6 -25 5 20
5 6 208 158 140 191 16 -14 -22 -6
我正在尝试对列名应用自定义排序以对其进行排序:
Store Spend_1 Variance_1 Spend_2 Variance_2 Spend_3 Variance_3 Spend_4 Variance_4
0 1 200 -14 230 16 189 -6 200 18
1 2 224 -17 104 -11 240 17 203 -18
2 3 220 10 168 -9 131 12 210 19
3 4 143 -1 187 -17 139 -20 188 -9
4 5 179 6 121 -25 162 5 131 20
5 6 208 16 158 -14 140 -22 191 -6
我已经尝试过简单的sorted
但显然这适用于字母顺序,忽略最后的整数。
我玩弄了enumerating
as number
,cols
将df.columns
字符串更改为整数,应用排序然后使用中的数字,iloc
但我不确定如何以这种方式应用自定义排序。
有人能帮忙吗?
解决方案
想法是key
通过 2 个值使用参数 -_
转换为inetegr
s 之后的值,之前的第一个值_
,但解决方案适用于所有没有 first 的列df.columns[1:]
,所以 last 被添加到第一列df.columns[:1].tolist()
:
cols = df.columns[:1].tolist() +sorted(df.columns[1:],
key=lambda x: (int(x.split('_')[1]), x.split('_')[0]))
df = df[cols]
print (df)
Store Spend_1 Variance_1 Spend_2 Variance_2 Spend_3 Variance_3 \
0 1 200 -14 230 16 189 -6
1 2 224 -17 104 -11 240 17
2 3 220 10 168 -9 131 12
3 4 143 -1 187 -17 139 -20
4 5 179 6 121 -25 162 5
5 6 208 16 158 -14 140 -22
Spend_4 Variance_4
0 200 18
1 203 -18
2 210 19
3 188 -9
4 131 20
5 191 -6