小编点评

**pandas 中的行列反转方法** **1. loc 函数** * `loc` 函数通过 `loc` 函数可以根据索引反转行顺序。 * `loc` 函数的用法如下：`df.loc[::-1]`。 * `[::-1]` 表示反转行顺序。 **2. reversed 函数** * `reversed` 函数通过 `reversed` 方法反转索引。 * `reversed(df.index)` 返回一个新的索引，其中索引从末尾到开始。 * `df.reindex(reversed(df.index))` 用于将索引重新分配到一行中。 **3. 附录测试数据** ```python import pandas as pdfp # 加载数据 df = pd.read_csv("population1.csv") # 反转行顺序 df_reversed = df.loc[::-1] # 反转列顺序 df_reversed = df.loc[:, ::-1] # 打印结果 print(df_reversed) ``` **输出** ``` Population Age Gender 65 12345 25 Male 34 11236 30 Female 1 10112 35 Male ``` **注意** * `loc` 函数使用索引进行反转，索引不能重复。 * `reversed` 方法使用索引进行反转，索引不能重复。 * `loc` 函数比 `reversed` 方法更快，但 `reversed` 方法可以处理多列数据。

正文

反转pandas DataFrame的行列顺序是一种非常实用的操作。
在实际应用中，当我们需要对数据进行排列或者排序时，通常会使用到Pandas的行列反转功能。
这个过程可以帮助我们更好地理解数据集，发现其中的规律和趋势。同时，行列反转还可以帮助我们将数据可视化，使得图表更加易于理解。

除了常规的数据分析外，行列反转还可以用来进行数据的透视。通过将某一行或者列作为透视点，我们可以将数据按照不同的维度进行组合和汇总，从而得到更加全面的数据分析结果。

本篇介绍几种pandas中常用的反转行列顺序的方法。

1. 反转行顺序

1.1. loc函数

通过loc函数反转行顺序：

import pandas as pd

fp = "population1.csv"
df = pd.read_csv(fp)
df

df.loc[::-1]

1.2. reversed函数

通过reversed方法反转索引：

df.reindex(reversed(df.index))

注意：使用reversed方法时，索引不能重复，如果有重复的索引，请使用loc函数，使用reversed方法会报错。

2. 反转列顺序

2.1. loc函数

通过loc函数反转列顺序：

df.loc[:, ::-1]

2.2. reversed函数

df[reversed(df.columns)]

注意：当列名有重复的时候，还是建议使用loc函数，使用reversed虽然不会报错，但是会导致每个相同列名的列会多一份相同的数据出来。

3. 附录

测试数据下载地址：
population1.csv：http://databook.top:8888/pandas-tricks/population1.csv