Pandas DataFrame 提供了令人难以置信的灵活性，但管理列顺序对于可读性、分析和互操作性至关重要。本指南探讨了三种高效的 DataFrame 列重排方法。
目录
方法一：直接列重排序
这是最简单的方法，当您知道精确的列顺序时非常理想。您创建一个指定所需顺序的列表，并用它从 DataFrame 中选择列。
import pandas as pd
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6], 'col3': [7, 8, 9]}
df = pd.DataFrame(data)
print("原始 DataFrame:n", df)
new_order = ['col3', 'col1', 'col2']
df = df[new_order]
print("n重新排序后的 DataFrame:n", df)
方法二：插入列
使用此方法可在特定位置添加新列。这涉及创建列并使用insert方法将其正确定位。insert中的索引指的是列的位置，而不是列名。
import pandas as pd
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6], 'col3': [7, 8, 9]}
df = pd.DataFrame(data)
print("原始 DataFrame:n", df)
df['col4'] = [10, 11, 12]
df.insert(1, 'col4_inserted', df.pop('col4')) # 高效插入，避免重复
print("n插入列后的 DataFrame:n", df)
方法三：使用 reindex 进行灵活排序
reindex方法提供了最大的灵活性。它允许您指定所需的顺序，并且它通过用 NaN 值填充来优雅地处理缺失的列。
import pandas as pd
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6], 'col3': [7, 8, 9]}
df = pd.DataFrame(data)
print("原始 DataFrame:n", df)
new_order = ['col3', 'col1', 'col4', 'col2'] # 'col4' 将被添加，值为 NaN
df = df.reindex(columns=new_order)
print("n使用 reindex 重新排序后的 DataFrame:n", df)
通过掌握这些技巧，您可以高效地管理 Pandas DataFrame 中的列顺序，适应各种数据操作需求。