Переупорядочение df.columns альфа численно

Question

У меня есть df следующим образом:

        Store   Spend_1 Spend_2 Spend_3 Spend_4 Variance_1  Variance_2  Variance_3  Variance_4
0   1   200 230 189 200 -14 16  -6  18
1   2   224 104 240 203 -17 -11 17  -18
2   3   220 168 131 210 10  -9  12  19
3   4   143 187 139 188 -1  -17 -20 -9
4   5   179 121 162 131 6   -25 5   20
5   6   208 158 140 191 16  -14 -22 -6

Я пытаюсь применить пользовательскую сортировку к именам столбцов, чтобы упорядочить их так:

    Store   Spend_1 Variance_1  Spend_2 Variance_2  Spend_3 Variance_3  Spend_4 Variance_4
0   1   200 -14 230 16  189 -6  200 18
1   2   224 -17 104 -11 240 17  203 -18
2   3   220 10  168 -9  131 12  210 19
3   4   143 -1  187 -17 139 -20 188 -9
4   5   179 6   121 -25 162 5   131 20
5   6   208 16  158 -14 140 -22 191 -6

Я пробовал простой sorted, но, очевидно, это применяется в алфавитном порядке, игнорируя целое число в конце.

Я играл с enumerating как number, cols, df.columns, изменяя строки на целые, применяя сортировку, затем используя числа в iloc, но я не уверен, как применить обычная сортировка таким образом.

Кто-нибудь может помочь?

Answer 1

Идея состоит в том, чтобы использовать key параметр по 2 значениям - значения после _ преобразуются в inetegr с первыми значениями до _, но решение применимо для всех столбцов без первого с df.columns[1:], поэтому последнее добавлен первый столбец df.columns[:1].tolist():

cols = df.columns[:1].tolist() +sorted(df.columns[1:], 
                                       key=lambda x: (int(x.split('_')[1]), x.split('_')[0]))

df = df[cols]
print (df)
   Store  Spend_1  Variance_1  Spend_2  Variance_2  Spend_3  Variance_3  \
0      1      200         -14      230          16      189          -6   
1      2      224         -17      104         -11      240          17   
2      3      220          10      168          -9      131          12   
3      4      143          -1      187         -17      139         -20   
4      5      179           6      121         -25      162           5   
5      6      208          16      158         -14      140         -22   

   Spend_4  Variance_4  
0      200          18  
1      203         -18  
2      210          19  
3      188          -9  
4      131          20  
5      191          -6  

Answer 2

Самый простой способ, который я могу придумать, это определить свой собственный ключ к сортировке

df = df.reindex(sorted(df.columns, key=lambda x: int(x.split("_")[1]) if "_" in x else 0), axis=1) 

Answer 3

Вот один из подходов, разбивающий столбцы на _, переворачивая результирующие списки, чтобы дальнейшая сортировка расставила приоритеты в конечных разрядах и используя pandas.Index.argsort:

df.iloc[:,[0]+[*df.columns.str.split('_').str[::-1].argsort()[:-1]]]

     Store  Spend_1  Variance_1  Spend_2  Variance_2  Spend_3  Variance_3  \
0      1      200         -14      230          16      189          -6   
1      2      224         -17      104         -11      240          17   
2      3      220          10      168          -9      131          12   
3      4      143          -1      187         -17      139         -20   
4      5      179           6      121         -25      162           5   
5      6      208          16      158         -14      140         -22   

     Spend_4  Variance_4  
0      200          18  
1      203         -18  
2      210          19  
3      188          -9  
4      131          20  
5      191          -6  

Answer 4

Вы можете передать key t в sorted, чтобы выполнить собственную сортировку:

sorted_columns = sorted(df.columns, key = lambda col: col[-1] + col[:-1])
df[sorted_columns]

Идея состоит в том, чтобы поставить окончательное целое число первым. Это сломается, если вы сможете перейти в двузначные числа.