按标签系列重新索引 DataFrame 列

Question

我有一系列标签

pd.Series(['L1', 'L2', 'L3'], ['A', 'B', 'A'])

和一个数据框

pd.DataFrame([[1,2], [3,4]], ['I1', 'I2'], ['A', 'B'])

我想要一个包含列 ['L1', 'L2', 'L3'] 的数据框，列数据分别来自 'A'、'B'、'A'。像这样...

pd.DataFrame([[1,2,1], [3,4,3]], ['I1', 'I2'], ['L1', 'L2', 'L3'])

以一种很好的 pandas 方式。

Answer 1

这将生成您描述的数据框：

import pandas as pd
import numpy as np

data = [['A','B','A','A','B','B'],
        ['B','B','B','A','B','B'],
        ['A','B','A','B','B','B']]

columns = ['L1', 'L2', 'L3', 'L4', 'L5', 'L6']

pd.DataFrame(data, columns = columns)

Answer 2

既然你提到了reindex

#s=pd.Series(['L1', 'L2', 'L3'], ['A', 'B', 'A'])
#df=pd.DataFrame([[1,2], [3,4]], ['I1', 'I2'], ['A', 'B'])
df.reindex(s.index,axis=1).rename(columns=s.to_dict())
Out[598]: 
    L3  L2  L3
I1   1   2   1
I2   3   4   3

Answer 3

您可以使用 loc 访问器：

s = pd.Series(['L1', 'L2', 'L3'], ['A', 'B', 'A'])
df = pd.DataFrame([[1,2], [3,4]], ['I1', 'I2'], ['A', 'B'])

res = df.loc[:, s.index]

print(res)

    A  B  A
I1  1  2  1
I2  3  4  3

或 iloc 访问器 columns.get_loc:

res = df.iloc[:, s.index.map(df.columns.get_loc)]

这两种方法都允许访问重复的标签/位置，就像 NumPy 数组一样。

按标签系列重新索引 DataFrame 列

Reindex DataFrame Columns by Label Series

python

indexing

dataframe

pandas

reindex