import numpy as np
import pandas as pd
df = pd.DataFrame()
column_names = ['x','y','z','mean']
for col in column_names:
df[col] = np.random.randint(0,100, size=10000)
Puoi provare le seguenti soluzioni:
Soluzione 1:
df = df[ ['mean'] + [ col for col in df.columns if col != 'mean' ] ]
Soluzione 2:
df = df[['mean', 'x', 'y', 'z']]
Soluzione 3:
col = df.pop("mean")
df = df.insert(0, col.name, col)
Soluzione 4:
df.set_index(df.columns[-1], inplace=True)
df.reset_index(inplace=True)
Soluzione 5:
cols = list(df)
cols = [cols[-1]] + cols[:-1]
df = df[cols]
soluzione 6:
order = [1,2,3,0] # setting column's order
df = df[[df.columns[i] for i in order]]
Confronto temporale:
Soluzione 1:
Tempi CPU: utente 1,05 ms, sys: 35 µs, totale: 1,08 ms Tempo parete: 995 µs
Soluzione 2 :
Tempi CPU: utente 933 µs, sys: 0 ns, totale: 933 µs Tempo parete: 800 µs
Soluzione 3 :
Tempi CPU: utente 0 ns, sys: 1,35 ms, totale: 1,35 ms Tempo muro: 1,08 ms
Soluzione 4 :
Tempi CPU: utente 1,23 ms, sys: 45 µs, totale: 1,27 ms Tempo parete: 986 µs
Soluzione 5 :
Tempi CPU: utente 1,09 ms, sys: 19 µs, totale: 1,11 ms Tempo parete: 949 µs
Soluzione 6 :
Tempi CPU: utente 955 µs, sys: 34 µs, totale: 989 µs Tempo parete: 859 µs