Pandas实用技能，将列（column）排序的几种方法
阅读量:次 Authors: 阳哥 DATAANALYSIS
Pandas
Pandas实用技能，将列（column）排序的几种方法
Table of Contents
Pandas实用技能，将列（column）排序的几种方法
大家好，我是阳哥。
Pandas 可以说是 在Python数据科学领域应用最为广泛的工具之一。
Pandas是一种高效的数据处理库，它以 dataframe 和 series 为基本数据类型，呈现出类似excel的二维数据。
在数据处理过程中，咱们经常需要将列按照一定的要求进行排序，以方便展示。
这里，阳哥来给大家分享下 在 Pandas 中将列排序的几种常用方法。
数据准备
文中主要使用了 pandas 和 akshare ，首先导入 Python 库，如下：
import pandas as pd
import akshare as ak
print(f'pandas version: {pd.__version__}')
本次使用的数据如下：
data = {
'brand':['Python数据之道','价值前瞻','菜鸟数据之道','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
现将现有的 columns 输出，方便后面 copy 使用。
df.columns
# Index(['brand', 'B', 'A', 'D', 'years', 'C'], dtype='object')
Method 1
第一种方法，也是我自己常用的方法，就是自己将列的名称按需要进行手动排序，然后运行代码如下：
Method 2
第二种方法，是使用 .iloc 方法，通过列的位置来进行排序，如下：
Method 3
第三种方法，是使用 .loc 方法，通过列的名称来进行排序，如下：
这种方法跟第一种方法类似，个人觉得第一种方法更简洁些。
Method 4
第四种是 逆序 排序，算是排序中一种特定的排序方式。
# Method 4 ,逆序
cols = list(df.columns)
cols.reverse()
df[cols]
上述代码中，cols.reverse() 是将列表（list）进行逆序排序。
此外，列表（list）的逆序排序，还可以用 cols[::-1] 来实现。因此，下面的方法也可以实现逆序排序。
# Method 4 ,逆序
cols = list(df.columns)
df[cols[::-1]]
关于 Python数据类型 list 的介绍，详细内容可以前往下面的链接：
实战案例：自由排序
有时候，当存在变量、列的数量较多，或者不同的dataframe中列的名称不完全一致等情况出现时，咱们不一定会通过列名称来实现排序。
这里分享一个实战案例，是关于制作基金的十大持仓数据表的，具体过程我就不在这里描述了，下面给出实现的函数，有兴趣的同学可以研究下。
自定义函数如下：
# 需要安装 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['占净值比例'] = pd.to_numeric(data['占净值比例'])
data = data.sort_values(['季度','持仓市值'],ascending=[True,False])
df = data.set_index(['序号','季度']).stack().unstack([1,2]).head(10)
# df1.loc[:,(slice(None), ['股票名称','占净值比例'])]
df = df.loc[:,(slice(None), '股票名称')]
df = df.droplevel(None,axis=1)
df.columns.name=None
df = df.reset_index()
# df.index.name = None
df['基金代码'] = code
return df
df = fund_stock_holding(years,'005669')
df
得到的数据表格如下：
上面的表格中，我需要将 基金代码 这一列移动到 序号 这列的后面，由于 years = ['2019','2020','2021'] 这是一个变量，当具体的值不同时，会导致列名称不一样，因此，在这种情况下我们不能直接使用列的具体名称，但咱们可以通过 列的位置组合来实现，列的调整具体如下：
cols = df.columns.tolist()
cols = cols[:1] + cols[-1:] + cols[1:-1] # 将基金代码列名放前面
df = df[cols]
将上面的调整过程整合到自定义函数中，完整的代码如下：
# 需要安装 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['占净值比例'] = pd.to_numeric(data['占净值比例'])
data = data.sort_values(['季度','持仓市值'],ascending=[True,False])
df = data.set_index(['序号','季度']).stack().unstack([1,2]).head(10)
# df1.loc[:,(slice(None), ['股票名称','占净值比例'])]
df = df.loc[:,(slice(None), '股票名称')]
df = df.droplevel(None,axis=1)
df.columns.name=None
df = df.reset_index()
# df.index.name = None
df['基金代码'] = code
cols = df.columns.tolist()
cols = cols[:1] + cols[-1:] + cols[1:-1] # 将基金代码列名放前面
df = df[cols]
return df
df = fund_stock_holding_update(years,'005669')
df
效果如下：
当然，我最后实现的效果是将基金代码换成基金名称，这个可以想办法实现，效果如下：
小结
以上就是关于 Pandas 中 列名称排序的介绍，看似很简单的内容，在最后的实践中，也还是有些小技巧的。
欢迎大家来畅聊，Pandas 中有哪些实用的小技巧~~
对我的文章感兴趣的朋友，可以关注我的微信公众号「Python数据之道」（ID：PyDataLab），接收我的更新通知。
