Reverse-DataFrame Spalte, um

Ich will einfach nur umkehren der Reihenfolge der Spalten in einer bestimmten DataFrame.

Mein DataFrame:

data = {'year': [2010, 2011, 2012, 2011, 2012, 2010, 2011, 2012],
    'team': ['Bears', 'Bears', 'Bears', 'Packers', 'Packers', 'Lions', 'Lions', 'Lions'],
    'wins': [11, 8, 10, 15, 11, 6, 10, 4],
    'losses': [5, 8, 6, 1, 5, 10, 6, 12]}
football = pd.DataFrame(data, columns=['year', 'team', 'wins', 'losses'])

Aktuelle Ausgabe:

   year     team  wins  losses
0  2010    Bears    11       5
1  2011    Bears     8       8
2  2012    Bears    10       6
3  2011  Packers    15       1
4  2012  Packers    11       5
5  2010    Lions     6      10
6  2011    Lions    10       6
7  2012    Lions     4      12

Ich dachte, das würde funktionieren, aber es kehrt die Reihenfolge nicht die Reihenfolge der Spalten:

football[::-1]

Ich auch versucht:

football.columns = football.columns[::-1]

aber, dass Umgekehrt der Spalte labels und nicht die gesamte Spalte selbst.

InformationsquelleAutor Boosted_d16 | 2015-01-07

  1. 22

    Einer Lösung nahe an dem, was Sie bereits versucht haben, zu verwenden ist:

    >>> football[football.columns[::-1]]
   losses  wins     team  year
0       5    11    Bears  2010
1       8     8    Bears  2011
2       6    10    Bears  2012
3       1    15  Packers  2011
4       5    11  Packers  2012
5      10     6    Lions  2010
6       6    10    Lions  2011
7      12     4    Lions  2012

    football.columns[::-1] kehrt die Reihenfolge der DataFrame die Reihenfolge der Spalten und die football[...] reindexes der DataFrame mit dieser neuen Sequenz.

    Mehr prägnante Art, das gleiche zu erreichen ist mit der iloc indexer: 

    football.iloc[:, ::-1]

    Den ersten : bedeutet "nehmen Sie alle Zeilen", die ::-1 bedeutet Rückschritt durch die Spalten.

    Den loc indexer erwähnt in @PietroBattiston Antwort arbeitet in der gleichen Weise.

    funktioniert wie ein Charme

    InformationsquelleAutor Alex Riley

  2. 4

    Hinweis: Als der Pandas v0.20, .ix indexer ist veraltet zu Gunsten von .iloc /.loc.

    In der Nähe EdChum Antwort... aber schneller:

    In [3]: %timeit football.ix[::,::-1]
1000 loops, best of 3: 255 µs per loop

In [4]: %timeit football.ix[::,football.columns[::-1]]
1000 loops, best of 3: 491 µs per loop

    Beachten Sie auch ein Doppelpunkt ist überflüssig:

    In [5]: all(football.ix[:,::-1] == football.ix[::,::-1])
Out[5]: True

    EDIT: eine weitere (minimale) Verbesserung gebracht, indem Sie mit .loc eher als .ix wie in football.loc[:,::-1].

    InformationsquelleAutor Pietro Battiston

  3. 1

    Hinweis: Als der Pandas v0.20, .ix indexer ist veraltet zu Gunsten von .iloc /.loc.

    Können Sie fancy indexing .ix übergeben Sie die Spalten und dann umkehren der Liste, um die Reihenfolge zu ändern:

    In [27]:

football.ix[::,football.columns[::-1]]
Out[27]:
   losses  wins     team  year
0       5    11    Bears  2010
1       8     8    Bears  2011
2       6    10    Bears  2012
3       1    15  Packers  2011
4       5    11  Packers  2012
5      10     6    Lions  2010
6       6    10    Lions  2011
7      12     4    Lions  2012

    timings

    In [32]:

%timeit football[football.columns[::-1]]
1000 loops, best of 3: 421 µs per loop
In [33]:

%timeit football.ix[::,football.columns[::-1]]
1000 loops, best of 3: 403 µs per loop

    fancy indexing ist geringfügig schneller, in diesem Fall

    InformationsquelleAutor EdChum

Schreibe einen Kommentar