python - 如何在保留列顺序的同时创建 DataFrame？

Question

如何在保持列顺序的同时从多个 numpy 数组、Pandas 系列或 Pandas DataFrame 创建一个 DataFrame？

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 列会排在第一位，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

原解决方案: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，因为在构造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，如 this SO post 中所建议的那样。 :

>>> 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