我有一个带有一些列的DataFrame。列为：A1，A2，A3。我想创建一个新列，将其命名为“ CON”。新列是一个字符串，由A1，A2，A3用分隔符连接在一起。串联按列的值排序。
例如：
data = pd.DataFrame({
'A1' : ['b1','a1','a2'],'A2' : ['b2','a3','b1'],'A3' : ['c2','a2','a1']
})
data['CON'] = sortedconcat(data['A1'],data['A2'],data['A3'])
预期结果是：
A1 A2 A3 CON
0 b1 b2 c2 b1-b2-c2
1 a1 a3 a2 a1-a2-a3
2 a2 b1 a1 a1-a2-b1
我试图逐行循环整个数据帧，将值提取到列表中，对其进行排序，最后创建结果。这很慢，导致代码很丑陋。有没有更有效的方法？
将DataFrame.apply与join一起使用并进行排序：
data['CON'] = data.apply(lambda x: '-'.join(sorted(x)),axis=1)
列表理解的替代项：
data['CON'] = ['-'.join(sorted(x)) for x in data.values]
print (data)
A1 A2 A3 CON
0 b1 b2 c2 b1-b2-c2
1 a1 a3 a2 a1-a2-a3
2 a2 b1 a1 a1-a2-b1
您可以这样做：
data['CON'] = data.apply(lambda x: '-'.join(sorted(x)),axis=1)
print(data)
A1 A2 A3 CON
0 b1 b2 c2 b1-b2-c2
1 a1 a3 a2 a1-a2-a3
2 a2 b1 a1 a1-a2-b1
将axis=1上的np.sort与list comprehension结合使用：
data['CON'] = ['-'.join(x) for x in np.sort(data,axis=1)]
A1 A2 A3 CON
0 b1 b2 c2 b1-b2-c2
1 a1 a3 a2 a1-a2-a3
2 a2 b1 a1 a1-a2-b1
详细信息：
np.sort给我们一个排序后的数组：
np.sort(data,axis=1)
array([['b1','b2','c2'],['a1','a2','a3'],'b1']],dtype=object)
编辑仅选择某些列，可以使用loc或iloc，loc是基于标签的索引（因此带有列名），{{ 1}}是基于位置的索引。
iloc