pandas - 在数据框中移动列

Question

我有一个 Pandas 数据框:

Date    normPwr_0   normPwr_1   tempNorm_1  tempNorm_2  tempNorm_3  tempNorm_0
6/15/2019    0.89    0.94       0.83        0.88        0.92        0.82 
6/16/2019    0.97    0.89       0.82        0.83        0.88        0.97 
6/17/2019    0.97    0.97       0.97        0.82        0.83        2,188.18 

我只想移动 tempNorm 列的列值。我想要的输出是:

Date    normPwr_0   normPwr_1   tempNorm_2  tempNorm_3  tempNorm_1
6/15/2019    0.89    0.94       0.83        0.88        0.82 
6/16/2019    0.97    0.89       0.82        0.83        0.97 
6/17/2019    0.97    0.97       0.97        0.82        2,188.18 

棘手的部分是 tempNorm 的列名称各不相同，因此有时我有 [tempNorm_1 tempNorm_2 tempNorm_3 tempNorm_0] 而其他时候我有[tempNorm_4 tempNorm_5 tempNorm_6 tempNorm_7 tempNorm_0]

当列具有 [tempNorm_4 tempNorm_5 tempNorm_6 tempNorm_7 tempNorm_0] 时，我在输出数据框中所需的列将是 [tempNorm_4 tempNorm_5 tempNorm_6 tempNorm_7]

基本上，我试图在包含 tempNorm 的列名称中移动数据框，其中 tempNorm_0 中的所有值都被插入下一个更高命名的列，并且最高命名的列被丢弃.

我不知道如何以一种干净的 Python 方式解决这个问题。

编辑:

对于 [tempNorm_4 tempNorm_5 tempNorm_6 tempNorm_7 tempNorm_0]，来自 tempNorm_0 的值被移入 tempNorm_4 ；来自 tempNorm_4 的值 被移入 tempNorm_5 等等。 tempNorm_7 数据被丢弃并被 tempNorm_6

中的数据替换

Answer 1

排序、过滤、重命名

a, b, *c = sorted(df.filter(like='tempNorm'), key=lambda c: int(c.rsplit('_', 1)[1]))
df.drop(b, 1).rename(columns={a: b})

        Date  normPwr_0  normPwr_1  tempNorm_2  tempNorm_3 tempNorm_1
0  6/15/2019       0.89       0.94        0.88        0.92       0.82
1  6/16/2019       0.97       0.89        0.83        0.88       0.97
2  6/17/2019       0.97       0.97        0.82        0.83   2,188.18