【python】【pandas】dataframe按照列名给列排序
下面介绍三种方法，给dataframe列排序：
1、使用sort_values()方法，并指定axis=1参数。
import pandas as pd
# 创建一个示例DataFrame
data = {'A': [3, 1, 4],
'C': [2, 6, 5],
'B': [9, 8, 7]}
df = pd.DataFrame(data)
# 按照列名给列排序
df = df.sort_values(by=df.columns, axis=1)
print(df)输出结果：
A B C
0 3 9 2
1 1 8 6
2 4 7 5
在上述代码中，我们首先创建了一个示例DataFrame。然后，我们使用sort_values()方法对DataFrame的列进行排序。通过指定by=df.columns，我们将按照列名的字母顺序对列进行排序。最后，通过设置axis=1参数，我们指定按列进行排序。
执行上述代码后，DataFrame的列将按照列名的字母顺序进行排序。
请注意，sort_values()方法会生成一个新的DataFrame，因此我们将排序后的结果重新赋值给df，以便在打印时显示排序后的结果。如果你想在原始DataFrame上进行排序，可以使用inplace=True参数。
2、使用reindex()方法，并传递一个包含所需顺序的列名列表。
import pandas as pd
# 创建一个示例DataFrame
data = {'A': [3, 1, 4],
'B': [2, 6, 5],
'C': [9, 8, 7]}
df = pd.DataFrame(data)
# 按照指定顺序给列排序
order = ['B', 'C', 'A']
df = df.reindex(columns=order)
print(df)
输出结果：
B C A
0 2 9 3
1 6 8 1
2 5 7 4
在上述代码中，我们首先创建了一个示例DataFrame。然后，我们定义了一个列表order，其中包含了按照指定顺序排列的列名。接下来，我们使用reindex()方法，并传递columns=order来重新索引DataFrame的列，以按照指定顺序进行排序。
3、如果想原地修改DataFrame的列顺序，可以使用df = df[order]的方式重新分配DataFrame给同名变量。
import pandas as pd
# 创建一个示例的合并 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3],
'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9],
'D': [10, 11, 12]})
merged_df = pd.concat([df1, df2], axis=1)
# 按照指定顺序给列排序
order = ['D', 'C', 'B', 'A']
merged_df = merged_df[order]
print(merged_df)输出结果：
D C B A
0 10 7 4 1
1 11 8 5 2
2 12 9 6 3
在上述代码中，我们使用df[order]的方式重新分配DataFrame给同名变量merged_df，以按照指定顺序对列进行排序。这种方式将返回重新排序后的DataFrame，并将其分配给同名变量，从而实现了在原地修改列顺序的效果。
对了，上面的代码改一改，也阔以“筛选”哦，只要在order列表里删除不要的列名就行。