熊猫数据框：按索引交换列标题

Posted 2023-02-23

【中文标题】熊猫数据框：按索引交换列标题

【英文标题】：pandas dataframe: swap column headings by index

【发布时间】：2021-08-23 20:03:25

【问题描述】：

我使用 pandas 数据框来绘制 csv。用光谱仪采集的数据。

df = pd.read_csv("C:\\file.csv") # import file

输出表总是由对组成的

sample 1	Unnamed:1	sample 2	Unnamed:2	...
wavelengths	transmission 1	wavelengths	transmission 2	...

属于每个样本的一列（“样本 1”、“样本 2”、...），其中有关样本的相关信息存储在标题中，但该列仅包含波长信息

实际上包含相关测量信息的一个编号列（'Unnamed: 1'、'Unnamed: 2'、...）

我现在想将数据显示为波长的函数。如果我使用删除所有包含冗余波长信息的列

df = df.drop(data.columns[1,37], axis=1, inplace=False)

我丢失了标题中包含的样本信息 我现在正在考虑交换列标题，然后删除我不需要的列。 我当然可以使用某些东西按名称交换列

df[['sample 1','Unnamed: 1']]=df[['Unnamed: 1','sample 1']]

但是我必须为每个有时包含超过 10 个配对列的新数据系列输入名称。

有没有办法通过索引交换标题？ 或者你能想到一个更优雅的版本吗？这种表格数据输出形式，其中标题总是跨越两列，当然不是孤立的情况。 非常感谢

【问题讨论】：

我没有得到你真正想要的东西。如果您需要使用列名进行过滤，请使用：df.filter(like='samp')

你的 DataFrame 有单行吗？

你想要这样的东西吗：***.com/questions/66581283/…？

【参考方案1】：

您可以最轻松地操作这些值，而不是整个 DataFrame。

假设您的数据是：

import pandas as pd
# Example data
df = pd.DataFrame([["sample 1", "Unnamed:1", "sample 2", "Unnamed:2"], [0.614, "transmission 1", 0.68168, "transmission 2"]])

	0	1	2	3
0	sample 1	Unnamed:1	sample 2	Unnamed:2
1	0.614	transmission 1	0.68168	transmission 2

现在让我们保留我们想要的值及其列标题。

vals = df.values
new_df = pd.DataFrame(vals[1,::2], index= vals[0, ::2], columns=["wavelength")

new_df 现在是：

	wavelength
sample 1	0.614
sample 2	0.68168

【参考方案2】：

我不确定您的确切意思（示例表中的一些模拟数据会很棒），但假设现在每一行都是一个单独的数据框并且每两列是示例，这样的事情会起作用吗？

# sample data
df = pd.DataFrame(
    'sample1':[23.1, 12.2, 15.8],
    'Unnamed:1':['alpha','beta','gamma'],
    'sample2':[12.1, 13.4, 11.1],
    'Unnamed:2':['alpha','beta','gamma'],
    'sample3':[0.1,0.43,0.29],
    'Unnamed:3':['alpha','beta','gamma']
)

	sample1	Unnamed:1	sample2	Unnamed:2	sample3	Unnamed:3
0	23.1	alpha	12.1	alpha	0.1	alpha
1	12.2	beta	13.4	beta	0.43	beta
2	15.8	gamma	11.1	gamma	0.29	gamma

# initiate a blank dataframe
new_df = pd.DataFrame()

# filter columns by the sample number, then append to new_f
n = 3 # number of samples
for i in range(1,n+1):
    temp_df = df[[col for col in df.columns if f'i' in col]]
    temp_df.columns = 'wavelength','transmission'
    temp_df['sample'] = i
    new_df = new_df.append(temp_df)
new_df = new_df.reset_index(drop=True)

输出：

	wavelength	transmission	sample
0	23.1	alpha	1
1	12.2	beta	1
2	15.8	gamma	1
3	12.1	alpha	2
4	13.4	beta	2
5	11.1	gamma	2
6	0.1	alpha	3
7	0.43	beta	3
8	0.29	gamma	3

仍然保留所有数据关系，您只需执行new_df.groupby('wavelength').mean() 即可找到每个波长的平均值。用 apply() 替换 mean 并根据需要添加您自己的函数。

【参考方案3】：

您可以将列标签分为两部分：偶数列和奇数列。然后，在每对偶数列中交换它们的序列，如下所示：

swapped_cols = np.ravel([[y, x] for x, y in zip(df.columns[0::2], df.columns[1::2])])

这里，df.columns[0::2] 和 df.columns[1::2] 包含偶数和奇数列。

print(swapped_cols)

['Unnamed:1' 'sample 1' 'Unnamed:2' 'sample 2']

案例1：如果你只想交换列标签，而不交换列内容，你可以这样做：

df.columns = swapped_cols

结果：

print(df)

     Unnamed:1        sample 1    Unnamed:2        sample 2
0  wavelengths  transmission 1  wavelengths  transmission 2

案例2：如果你想交换列序列（列标签和列内容交换在一起），你可以这样做：

df = df[swapped_cols]

结果：

print(df)

        Unnamed:1     sample 1       Unnamed:2     sample 2
0  transmission 1  wavelengths  transmission 2  wavelengths