import pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Peter'],
'Age': [28, 32, 25, 35],
'Salary': [5000, 4500, 6000, 4000]}
df = pd.DataFrame(data)
# 将 'Age' 列移动到第一列
first_col = 'Age'
df = pd.concat([df[first_col], df.drop(columns=first_col)], axis=1)
print(df)
输出结果:
Age Name Salary
0 28 Tom 5000
1 32 Nick 4500
2 25 John 6000
3 35 Peter 4000
在上述代码中,我们首先选择要移动到第一列的列名(这里选择了'Age'列)。然后,我们使用pd.concat()
函数将选定的列与剩余的列连接起来,其中axis=1
表示按列进行连接。df.drop(columns=first_col)
将删除原始DataFrame中选定的列,以便在连接时只保留选定的列。
import pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Peter'],
'Age': [28, 32, 25, 35],
'Salary': [5000, 4500, 6000, 4000]}
df = pd.DataFrame(data)
# 将 'Age' 列移动到第一列
col = df.pop('Age')
df.insert(loc= 0 , column= 'Age', value= col)
print(df)
输出结果一样的:
Age Name Salary
0 28 Tom 5000
1 32 Nick 4500
2 25 John 6000
3 35 Peter 4000
上述代码将'Age'列从DataFrame中弹出(移除),并将其赋值给变量col
。
df.pop('Age')
操作会从DataFrame中删除'Age'列,并返回这一列的数据作为Series对象。
接下来,df.insert(loc=0, column='Age', value=col)
将刚刚弹出的'Age'列插入到DataFrame的第一列位置。loc=0
表示插入的位置为第一列,column='Age'
指定列名为'Age',value=col
表示插入的数据为之前弹出的'Age'列的数据。
另外,修改上面的loc可以把列插入到任意位置哦,就不多介绍了。