一日一技:Pandas 如何对列排序?

简介: 一日一技:Pandas 如何对列排序?

我们在工作中,经常用到 Excel,有时候,我们会使用 Pandas 生成 Excel。但生成的 Excel 列的顺序可能跟我们想要的不一样。


例如:


import pandas as pd
datas = [
    {'id': 1, 'name': '王大', 'salary': 9999, 'work_time': 19},
    {'id': 2, 'name': '李二', 'salary': 9999, 'work_time': 19},
    {'id': 3, 'name': '张三', 'salary': 9999, 'work_time': 19},
    {'id': 4, 'name': '朱四', 'salary': 9999, 'work_time': 19},
    {'id': 5, 'name': '陈五', 'salary': 9999, 'work_time': 19},
    {'id': 6, 'name': '老牛', 'salary': 9999, 'work_time': 19},
]
df = pd.DataFrame(datas)
df.to_excel('example.xlsx', index=False)


运行效果如下图所示:


1.png


现在,我想在最终生成的 Excel 中,把work_time放到salary左边。这个时候,有两种方案:


方法1,把包含正确列表顺序的列表,传给 DataFrame 对象。


df = df[['id', 'name', 'work_time', 'salary']]


运行效果如下图所示:


2.png


方法2,使用.reindex()方法:


df = df.reindex(columns=['id', 'name', 'work_time', 'salary'])


运行效果如下图所示:


3.png


请关注微信公众号【未闻Code】获取更多精彩文章。


目录
相关文章
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名
【4月更文挑战第22天】Pandas Python库提供数据排序和排名功能。使用`sort_values()`按列进行升序或降序排序,如`df.sort_values(by='A', ascending=False)`。`rank()`函数用于计算排名,如`df['A'].rank(ascending=False)`。多列操作可传入列名列表,如`df.sort_values(by=['A', 'B'], ascending=[True, False])`和分别对'A'、'B'列排名。
344 2
|
存储 Python
使用Pandas库对非数值型数据进行排序和排名
在Pandas中,支持对非数值型数据排序和排名。可按以下方法操作:1) 字符串排序,使用`sort_values()`,如`sorted_df = df.sort_values(by='Name', ascending=False)`进行降序排序;2) 日期排序,先用`to_datetime()`转换,再排序,如`sorted_df = df.sort_values(by='Date')`;3) 自定义排序,结合`argsort()`和自定义规则。
197 2
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名?
Pandas在Python中提供数据排序和排名功能。使用`sort_values()`进行排序,如`df.sort_values(by='A', ascending=False)`进行降序排序;用`rank()`进行排名,如`df['A'].rank(ascending=False)`进行降序排名。多列操作可传入列名列表,如`df.sort_values(by=['A', 'B'], ascending=[True, False])`。
375 6
|
SQL 分布式计算 数据挖掘
PySpark数据分析基础:PySpark Pandas创建、转换、查询、转置、排序操作详解
PySpark数据分析基础:PySpark Pandas创建、转换、查询、转置、排序操作详解
900 0
PySpark数据分析基础:PySpark Pandas创建、转换、查询、转置、排序操作详解
|
9月前
|
算法 数据挖掘 索引
Pandas数据排序:单列与多列排序详解
本文介绍了Pandas库中单列和多列排序的方法及常见问题的解决方案。单列排序使用`sort_values()`方法,支持升序和降序排列,并解决了忽略大小写、处理缺失值和索引混乱等问题。多列排序同样使用`sort_values()`,可指定不同列的不同排序方向,解决列名错误和性能优化等问题。掌握这些技巧能提高数据分析效率。
346 9
|
10月前
|
索引 Python
Pandas 常用函数-数据排序
10月更文挑战第28天
72 1
|
数据挖掘 索引 Python
Pandas中的排序技巧:让你的数据井然有序
Pandas中的排序技巧:让你的数据井然有序
674 1
|
数据挖掘 数据处理 Python
Pandas中groupby后的数据排序技巧
Pandas中groupby后的数据排序技巧
739 0
|
数据采集 运维 数据挖掘
Pandas中的Rank用法:数据排序的高效工具
Pandas中的Rank用法:数据排序的高效工具
478 0
|
数据采集 安全 数据处理
Python采集数据处理:利用Pandas进行组排序和筛选
使用Python的Pandas库,结合亿牛云代理和多线程技术,提升网络爬虫数据处理效率。通过代理IP避免封锁,多线程并发采集,示例代码展示数据分组、排序、筛选及代理IP配置和线程管理。
258 0
Python采集数据处理:利用Pandas进行组排序和筛选