Modifier l'ordre des colonnes dans Pandas DataFrame

Maintenant, dans cet article, nous allons voir différents types de méthodes de réorganisation de colonnes. La liste des méthodes les plus courantes est la suivante:

1. Utilisation de la sélection de colonnes []
2. Utilisation de la méthode Reindex
3. Utilisation de la sélection de colonnes via l'index de colonne
4. Les colonnes réorganisaient en utilisant le .iloc
5. Les colonnes réorganisaient en utilisant le .localiser
6. Réorganiser les colonnes à l'aide de pandas .insérer()
7. Réorganiser la colonne de DataFrame en utilisant l'ordre croissant
8. Réorganiser la colonne de DataFrame à l'aide d'un ordre décroissant

Méthode 1: Utilisation de la sélection de colonnes []

La première méthode dont nous discuterons est de réorganiser les noms des colonnes des Pandas. DataFrame est une sélection []. C'est la méthode la plus facile pour réorganiser les colonnes.

Dans Cell [55]: Nous allons créer un dictionnaire avec le nom, l'âge, l'âge, la ville et les marques des clés.

Dans Cell [56]: nous convertissons ces dictionnaires en un pandas dataframe comme indiqué dans ce qui précède.

Dans Cell [57]: Nous affichons notre nouveau Dataframe Ficy Dataframe.

Dans Cell [58]: Maintenant, nous réorganisons les colonnes en utilisant la sélection []. En cela, nous réorganisons les noms des colonnes conformément à nos exigences. D'après les résultats, nous pouvons voir que nos colonnes originales de dataframe étaient dans l'ordre de (nom, âge, ville, marques), mais après avoir changé leur commande, les ordres des colonnes DataFrame sous la forme de (nom, ville, ville, marques, âge).

Méthode 2: Utilisation de la méthode Reindex

La prochaine méthode que nous allons utiliser est le Reindex. C'est le moyen le plus courant d'utiliser la réorganisation des colonnes d'un dataframe. Comme pour la méthode de sélection, il s'agit également d'une méthode très simple. Nous pouvons accéder à cette méthode en utilisant le DF. reindex (colonnes = [noms des colonnes]) comme indiqué ci-dessous:

Dans Cell [59]: Nous allons créer un dictionnaire avec le nom, l'âge, l'âge, la ville et les marques clés.

Dans Cell [60]: nous convertissons ces dictionnaires en un pandas dataframe comme indiqué dans ce qui précède.

Dans Cell [61]: Nous affichons notre nouveau Dataframe Ficy Dataframe.

Dans Cell [62]: Maintenant, nous utilisons la méthode Reindex, qui est une méthode très simple. En cela, nous appelons simplement la méthode df. Reindex et définissez le nom des colonnes en fonction de nos exigences. Et d'après le résultat, nous pouvons voir que l'ordre de la colonne a changé par rapport au DataFrame d'origine.

Méthode 3: Utilisation de la sélection de colonnes via l'index de colonne

La prochaine méthode dont nous allons discuter est l'index de colonne. L'indice de colonne est également une méthode très célèbre et facile à utiliser. Cette méthode est très similaire à la méthode Reindex. Dans la méthode Reindex, nous fournissons les noms de réordre des colonnes, mais nous fournissons ici les noms de réordre des colonnes sous la forme de leur valeur d'index, et non le nom réel des colonnes comme indiqué ci-dessous:

Dans Cell [63]: Nous allons créer un dictionnaire avec le nom, l'âge, l'âge, la ville et les marques clés.

Dans Cell [64]: nous convertissons ces dictionnaires en un pandas dataframe comme indiqué dans ce qui précède.

Dans Cell [65]: Nous affichons notre nouveau Dataframe facilit.

Dans Cell [66]: nous appelons la méthode df. colonnes, et nous avons passé la valeur de l'index de leurs colonnes en fonction de nos exigences de réordre. Nous imprimons le nouvel création de données (DF_RE), et à partir des résultats, nous avons constaté que les colonnes sont finalement réorganisées.

Méthode 4: Les colonnes réorganisaient en utilisant le .iloc

Comprenons d'abord la méthode LOC et ILOC. Nous avons créé un Seried_df (série) comme indiqué ci-dessous dans le numéro de cellule [24]. Nous imprimons ensuite la série pour voir l'étiquette d'index avec les valeurs. Maintenant, au numéro de cellule [26], nous imprimons la série_df.loc [4], qui donne la sortie C. On peut voir que l'étiquette d'index à 4 valeurs est c. Nous avons donc obtenu le bon résultat.

Maintenant au numéro de cellule [27], nous imprimons la série_df.Iloc [4], et nous avons obtenu le résultat e qui n'est pas l'étiquette d'index. Mais c'est l'emplacement d'index qui compte de 0 à la fin de la ligne. Donc, si nous commençons à compter à partir de la première ligne, alors nous obtenons e à l'emplacement de l'index 4. Donc, maintenant nous comprenons comment fonctionne ces deux LOC et ILOC similaires.

Maintenant, nous comprenons la méthode LOC et ILOC. Alors d'abord, nous allons utiliser la méthode ILOC.

Dans Cell [67]: Nous créerons un dictionnaire avec le nom, l'âge, l'âge, la ville et les marques des clés.

Dans Cell [68]: nous convertissons ces dictionnaires en un pandas dataframe comme indiqué dans ce qui précède.

Dans Cell [69]: Nous affichons notre nouveau Dataframe Ficy Dataframe.

Dans Cell [70]: Nous avons passé les valeurs d'index des colonnes à l'ILOC et attribué le résultat à un nouveau DataFrame (DF_NEW). D'après les résultats, nous pouvons voir que les noms des colonnes sont réorganisés.

Méthode 5: Les colonnes réorganisaient en utilisant le .localiser

Nous avons vu comment réorganiser le nom des colonnes en utilisant la méthode ILOC. Maintenant, nous allons implémenter la même en utilisant la méthode LOC. Nous savons déjà que la méthode LOC fonctionne avec l'emplacement de l'index. Ici, nous passons le nom des colonnes au lieu de la valeur d'index comme indiqué ci-dessous:

Dans Cell [71]: Nous allons créer un dictionnaire avec le nom, l'âge, l'âge, la ville et les marques des clés.

Dans Cell [72]: nous convertissons ces dictionnaires en un pandas dataframe comme indiqué dans ce qui précède.

Dans Cell [73]: Nous affichons notre nouveau Dataframe de Data.

Dans Cell [74]: Dans l'exemple ci-dessus, nous avons passé les noms des colonnes dans un ordre différent et le Nataframe nouvellement généré; Une fois imprimé, nous avons obtenu les résultats qui ont montré que les noms des colonnes sont réorganisés.

Méthode 6: Réorganiser les colonnes à l'aide de pandas .insérer()

La méthode suivante dont nous allons discuter est la méthode insert (). Cette méthode n'est pas beaucoup utilisée. La raison derrière son long processus. Dans cette méthode, nous créons d'abord une copie d'une colonne particulière quel emplacement nous voulons modifier, puis supprimons cette colonne de DataFrame, puis définissons cette colonne sur un nouvel emplacement comme indiqué ci-dessous.

Dans Cell [75]: Nous créerons un dictionnaire avec le nom, l'âge, l'âge, la ville et les marques des clés.

Dans Cell [76]: nous convertissons ces dictionnaires en un pandas dataframe comme indiqué dans ce qui précède.

Dans Cell [77]: Nous affichons notre nouveau Dataframe Ficy Dataframe.

Dans Cell [78]: Nous avons d'abord créé une copie de la colonne Marks. Ensuite, nous supprimons (supprimez) cette colonne du dataframe. Ensuite, nous insérons la colonne (marques) à un nouvel emplacement entre le nom et l'âge.

Méthode 7: Réorganiser la colonne de DataFrame en utilisant l'ordre croissant

Cette méthode n'est utile que lorsque nous voulons organiser les colonnes en ordre ascendant. Cette méthode modifie également l'ordre des colonnes, nous conservons donc cette méthode dans notre article.

Dans Cell [79]: Nous allons créer un dictionnaire avec le nom, l'âge, l'âge, la ville et les marques des clés.

Dans Cell [80]: nous convertissons ces dictionnaires en un pandas dataframe comme indiqué dans ce qui précède.

Dans Cell [81]: Nous affichons notre nouveau Dataframe Ficy Dataframe.

Dans Cell [82]: nous créons d'abord une liste de toutes les colonnes d'un dataframe. Ensuite, nous trierons le DataFrame en appelant la méthode Sort () dans l'ordre ascendant, puis nous énumérez nouvellement que nous avons attribué à un DataFrame comme une méthode de sélection et générer un nouveau DataFrame et imprimez ce DataFrame.

Méthode 8: Réorganiser la colonne de DataFrame à l'aide d'un ordre décroissant

Cette méthode est similaire à la méthode ascendante. La seule différence est que lorsque nous appelons la méthode Sort (), nous passons un paramètre inverse = true qui organise les noms des colonnes à l'ordre descendant comme indiqué ci-dessous:

Dans Cell [84]: Nous allons créer un dictionnaire avec le nom, l'âge, l'âge, la ville et les marques des clés.

Dans Cell [85]: nous convertissons ces dictionnaires en un pandas dataframe comme indiqué dans ce qui précède.

Dans Cell [86]: Nous affichons notre nouveau Dataframe Fodmy Dataframe.

Dans Cell [87]: nous appelons la méthode Sort () et passons un paramètre inverse = true.

Conclusion

Dans cet article, nous avons étudié les différents types de méthodes de réordre des colonnes Pandas. Nous avons également vu des méthodes très faciles comme la sélection, le réindex et les méthodes d'index de colonne, et .loc et .iloc. Nous avons également vu à la fin des méthodes ascendantes et descendantes. Nous n'avons inclus aucune méthode personnalisée pour la réorganisation des colonnes car tout utilisateur final définit les méthodes personnalisées. Nous avons fait de notre mieux pour inclure toutes les méthodes importantes qui seront utiles dans vos projets.

Il s'agit donc de réorganiser les colonnes Pandas.