我有這個小問題，我無法解決。我已經匯入了一個相當混亂的 csv，我最初是通過將 pdf 轉換為上述 csv 來創建的。現在，經過一些內務處理（例如洗掉一些包含不需要的字串的行），我留下了一個看起來幾乎沒問題的 df。
Unnamed: 0 Ben?mning Unnamed: 2 id col1 col2 col3 \
0 1 item1 2090006400001 NaN 1 706,92 68 154,93 -2 730,37
1 2 item2 2386135200002 NaN 789,38 31 520,02 554,14
2 3 item3 7311041052112 C 1 935,00 29 495,95 9 015,04
3 4 item4 7311041072226 C 778,00 27 207,10 915,71
4 5 item5 2090213700000 C 1 189,70 24 888,11 9 450,73
col4 col5 col6 col7 col8 Col9 Col10 Col11 \
0 NaN -4,49 1 706,92 68 154,93 -2 730,37 -4,49 243,85 9 736,42
1 NaN 1,97 789,38 31 520,02 554,14 1,97 112,77 4 502,86
2 NaN 34,23 0,00 0,00 0,00 0,00 276,43 4 213,71
3 NaN 3,77 775,00 27 072,25 885,46 3,66 111,14 3 886,73
4 NaN 42,53 1 189,37 24 881,63 9 449,00 42,53 169,96 3 555,44
col12
0 -390,05
1 79,16
2 1 287,86
3 130,82
4 1 350,10
唯一的問題是列['Unnamed: 2','id','col1','col2','col3']需要向右移動 1 步。也就是 ′′′Unnamed: 2 should be in columnid , id inCol1``` 列的內容，以此類推。但是，這些是唯一需要移動的列。其他一切都很好。
DF = DF.shift(axis=1) 將所有列向右移動，因此不僅會錯位最初放置在應有位置的列，而且還會覆寫最后一列。
有沒有一種方法可以很好地做到這一點，而不必拆分資料幀，進行移位然后重新組裝它？
感謝您的任何見解。
資料：如果有人想嘗試解決方案，我會提供一個字典：
{'Unnamed: 0': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5},
'Ben?mning': {0: 'item1', 1: 'item2', 2: 'item3', 3: 'item4', 4: 'item5'},
'Unnamed: 2': {0: 2090006400001,
1: 2386135200002,
2: 7311041052112,
3: 7311041072226,
4: 2090213700000},
'id': {0: nan, 1: nan, 2: 'C', 3: 'C', 4: 'C'},
'col1': {0: '1 706,92',
1: '789,38',
2: '1 935,00',
3: '778,00',
4: '1 189,70'},
'col2': {0: '68 154,93',
1: '31 520,02',
2: '29 495,95',
3: '27 207,10',
4: '24 888,11'},
'col3': {0: '-2 730,37',
1: '554,14',
2: '9 015,04',
3: '915,71',
4: '9 450,73'},
'col4': {0: nan, 1: nan, 2: nan, 3: nan, 4: nan},
'col5': {0: '-4,49', 1: '1,97', 2: '34,23', 3: '3,77', 4: '42,53'},
'col6': {0: '1 706,92', 1: '789,38', 2: '0,00', 3: '775,00', 4: '1 189,37'},
'col7': {0: '68 154,93',
1: '31 520,02',
2: '0,00',
3: '27 072,25',
4: '24 881,63'},
'col8': {0: '-2 730,37', 1: '554,14', 2: '0,00', 3: '885,46', 4: '9 449,00'},
'Col9': {0: '-4,49', 1: '1,97', 2: '0,00', 3: '3,66', 4: '42,53'},
'Col10': {0: '243,85', 1: '112,77', 2: '276,43', 3: '111,14', 4: '169,96'},
'Col11': {0: '9 736,42',
1: '4 502,86',
2: '4 213,71',
3: '3 886,73',
4: '3 555,44'},
'col12': {0: '-390,05',
1: '79,16',
2: '1 287,86',
3: '130,82',
4: '1 350,10'}}
uj5u.com熱心網友回復：
您可以復制列并洗掉“未命名”的列：
df[['id', 'col1', 'col2', 'col3', 'col4']] = df[['Unnamed: 2', 'id', 'col1', 'col2', 'col3']]
print(df.drop(columns='Unnamed: 2'))
如果您不想擔心選擇列，請使用loc自動列對齊，但這會稍微降低效率（需要移動所有列）：
df.loc[:, ['id', 'col1', 'col2', 'col3', 'col4']] = df.shift(axis=1)
print(df.drop(columns='Unnamed: 2'))
輸出：
Unnamed: 0 Ben?mning id col1 col2 col3 col4 \
0 1 item1 2090006400001 NaN 1 706,92 68 154,93 -2 730,37
1 2 item2 2386135200002 NaN 789,38 31 520,02 554,14
2 3 item3 7311041052112 C 1 935,00 29 495,95 9 015,04
3 4 item4 7311041072226 C 778,00 27 207,10 915,71
4 5 item5 2090213700000 C 1 189,70 24 888,11 9 450,73
col5 col6 col7 col8 Col9 Col10 Col11 col12
0 -4,49 1 706,92 68 154,93 -2 730,37 -4,49 243,85 9 736,42 -390,05
1 1,97 789,38 31 520,02 554,14 1,97 112,77 4 502,86 79,16
2 34,23 0,00 0,00 0,00 0,00 276,43 4 213,71 1 287,86
3 3,77 775,00 27 072,25 885,46 3,66 111,14 3 886,73 130,82
4 42,53 1 189,37 24 881,63 9 449,00 42,53 169,96 3 555,44 1 350,10
uj5u.com熱心網友回復：
您可以rename在使用 dict 理解的地方將列名向右移動一個位置。
cols = ['Unnamed: 2','id','col1','col2','col3','col4']
df = df.rename(columns={i:j for i,j in zip(cols, cols[1:])}).dropna(how='all', axis=1)
每@jezrael（更清潔的方式）
df = df.rename(columns=dict(zip(cols, cols[1:]))).dropna(how='all', axis=1)
輸出：
Unnamed: 0 Ben?mning id col2 col3 col4 col5 \
0 1 item1 2090006400001 1 706,92 68 154,93 -2 730,37 -4,49
1 2 item2 2386135200002 789,38 31 520,02 554,14 1,97
2 3 item3 7311041052112 1 935,00 29 495,95 9 015,04 34,23
3 4 item4 7311041072226 778,00 27 207,10 915,71 3,77
4 5 item5 2090213700000 1 189,70 24 888,11 9 450,73 42,53
col6 col7 col8 Col9 Col10 Col11 col12
0 1 706,92 68 154,93 -2 730,37 -4,49 243,85 9 736,42 -390,05
1 789,38 31 520,02 554,14 1,97 112,77 4 502,86 79,16
2 0,00 0,00 0,00 0,00 276,43 4 213,71 1 287,86
3 775,00 27 072,25 885,46 3,66 111,14 3 886,73 130,82
4 1 189,37 24 881,63 9 449,00 42,53 169,96 3 555,44 1 350,10
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/414809.html
標籤：