如何在保留列顺序的同时创建 DataFrame？

Question

如何从多个 numpy 数组、Pandas 系列或 Pandas DataFrame 中创建一个 DataFrame，同时保留列的顺序？

例如，我有这两个numpy 数组，我想将它们组合成一个Pandas DataFrame。

foo = np.array( [ 1, 2, 3 ] )
bar = np.array( [ 4, 5, 6 ] )

如果我这样做，bar 列将排在第一位，因为dict 不保留顺序。

pd.DataFrame( { 'foo': pd.Series(foo), 'bar': pd.Series(bar) } )

    bar foo
0   4   1
1   5   2
2   6   3

我可以这样做，但是当我需要组合许多变量时会变得乏味。

pd.DataFrame( { 'foo': pd.Series(foo), 'bar': pd.Series(bar) }, columns = [ 'foo', 'bar' ] )

编辑：有没有办法在一个操作中指定要连接的变量并组织列顺序？也就是说，我不介意使用多行来完成整个操作，但我宁愿不必指定要多次连接的变量（因为我将大量更改代码，这很容易出错） .

EDIT2：还有一点。如果我想添加或删除要加入的变量之一，我只想在一个地方添加/删除。

Answer 1

原解决方法：collections.OrderedDict 使用不正确

在我最初的解决方案中，我建议使用python标准库中collections包中的OrderedDict。

>>> import numpy as np
>>> import pandas as pd
>>> from collections import OrderedDict
>>>
>>> foo = np.array( [ 1, 2, 3 ] )
>>> bar = np.array( [ 4, 5, 6 ] )
>>>
>>> pd.DataFrame( OrderedDict( { 'foo': pd.Series(foo), 'bar': pd.Series(bar) } ) )

   foo  bar
0    1    4
1    2    5
2    3    6

正确的解决方案：传递键值元组对来保存订单

但是，如前所述，如果将普通字典传递给OrderedDict，则可能仍无法保留顺序，因为在构建字典时顺序是随机的。但是，一种解决方法是将键值元组对列表转换为OrderedDict，正如this SO post 所建议的那样：

>>> import numpy as np
>>> import pandas as pd
>>> from collections import OrderedDict
>>>
>>> a = np.array( [ 1, 2, 3 ] )
>>> b = np.array( [ 4, 5, 6 ] )
>>> c = np.array( [ 7, 8, 9 ] )
>>>
>>> pd.DataFrame( OrderedDict( { 'a': pd.Series(a), 'b': pd.Series(b), 'c': pd.Series(c) } ) )

   a  c  b
0  1  7  4
1  2  8  5
2  3  9  6

>>> pd.DataFrame( OrderedDict( (('a', pd.Series(a)), ('b', pd.Series(b)), ('c', pd.Series(c))) ) )

   a  b  c
0  1  4  7
1  2  5  8
2  3  6  9

Answer 2

在创建DataFrame 时使用columns 关键字：

pd.DataFrame({'foo': foo, 'bar': bar}, columns=['foo', 'bar'])

另外，请注意您不需要创建系列。

Answer 3

要保留列顺序，请将您的 numpy 数组作为元组列表传递给DataFrame.from_items：

>>> df = pd.DataFrame.from_items([('foo', foo), ('bar', bar)])

   foo  bar
0    1    4
1    2    5
2    3    6

更新

从 pandas 0.23 开始，from_items 已弃用并将被删除。所以使用from_dict 传递numpy 数组。要使用from_dict，您需要将项目作为字典传递：

>>> from collections import OrderedDict as OrderedDict
>>> df = pd.DataFrame.from_dict(OrderedDict(zip(['foo', 'bar'], [foo, bar])))

从 python 3.7 开始，您可以依赖保留的插入顺序（请参阅https://mail.python.org/pipermail/python-dev/2017-December/151283.html），因此：

>>> df = pd.DataFrame.from_dict(dict(zip(['foo', 'bar'], [foo, bar])))

或者简单地说：

>>> df = pd.DataFrame(dict(zip(['foo', 'bar'], [foo, bar])))

Answer 4

创建数据框后，您可以简单地使用您想要的方式重新排序列

df= df[['foo','bar']]

Answer 5

我无法评论询问，但是您将如何首先指定列的顺序（因为您不能使用常规字典）？

如果你想维护一个有序的字典：

from collections import OrderedDict
import numpy as np
import pandas as pd

data = OrderedDict()
data['foo'] = np.array([1, 2, 3])
data['bar'] = np.array([4, 5, 6])

df = pd.DataFrame(data)

如果您只有一个订单键列表：

data = {key: value for key, value in data.iteritems()}
df = pd.concat(data.values(), keys=['foo', 'bar'], axis=1)

@tfv 的回答可能是做你想做的最简洁的方式。

Answer 6

>>> pd.concat([pd.Series(eval(col), name=col) for col in ['foo', 'bar']], axis=1)
   foo  bar
0    1    4
1    2    5
2    3    6

这可以使用eval。您的列名列表必须与相应的变量名匹配。

>>> eval('foo')
array([1, 2, 3])

Answer 7

这可能是另一种处理方式：

foo = np.array( [ 1, 2, 3 ] )
bar = np.array( [ 4, 5, 6 ] )
stacked = np.vstack((x,y)).T
stacked
array([[1, 4],
       [2, 5],
       [3, 6]])

new_df = pd.DataFrame(stacked, columns = ['foo', 'bar'] )
new_df
   foo  bar
0   1   4
1   2   5
2   3   6

Answer 8

只包含数据的数据框，然后转置它。

然后添加列。

>>> foo = np.array( [ 1, 2, 3 ] )
>>> bar = np.array( [ 4, 5, 6 ] )
>>>     
>>> df = pd.DataFrame([foo, bar]).T
>>> df.columns = ['foo','bar']
>>> df

  foo bar
0  1   4
1  2   5
2  3   6

Answer 9

另一个粗略的解决方案可能是将 X_ 传递给列的标题，其中 X 是列的顺序号：

pd.DataFrame( { '2_foo': pd.Series(foo), '1_bar': pd.Series(bar) } )

之后，您可以使用列或其他东西再次重命名列！ 世界上更少的pythonic代码！！！

祝朋友们好运！

Answer 10

我的做法如下：

# Creating list of dict
list_of_dicts = ({'key1':'valueA', 'key2':'valueB},{'key1':'valueC', 'key2':'valueD}')

#getting list of keys from the dict
keys_list = list(list_of_dicts.keys())

# and finally
df = pd.DataFrame(list_of_dicts, columns = keys_list)

非常适合我。

Answer 11

这个问题很老了，但希望为“在将 csv 文件读入 pandas 数据框时保留列的顺序”的问题提供我的解决方案：

import numpy as np
import pandas as pd

# Get column count as a list
cols = np.arange(0, hmprice.shape[1])
df = pd.read_csv('train.csv', usecols=cols)
df.head()

Default Order of dataframe:
Preserved order of dataframe:

注意：属性 usecols 可以采用列名或列索引；但熊猫不尊重列名或列索引的“任何其他顺序”。

例如，

    df = pd.read_csv('train.csv', usecols=[1, 2, 3])<br/>
or
    df = pd.read_csv('train.csv', usecols=[3, 2, 1])<br/>

给出相同的结果。