这是我的df：
Net Upper Lower Mid Zsore
Answer option
More than once a day 0% 0.22% -0.12% 2 65
Once a day 0% 0.32% -0.19% 3 45
Several times a week 2% 2.45% 1.10% 4 78
Once a week 1% 1.63% -0.40% 6 65
如何将列名（“Mid”）移动到表格的前面，索引为0.这就是它需要的样子：
Mid Upper Lower Net Zsore
Answer option
More than once a day 2 0.22% -0.12% 0% 65
Once a day 3 0.32% -0.19% 0% 45
Several times a week 4 2.45% 1.10% 2% 78
Once a week 6 1.63% -0.40% 1% 65
我当前的代码通过“df.columns.tolist（）”按索引移动列，但我喜欢按名称移动它。
答案 0 :(得分：70)
我们可以通过传递列表来使用ix重新排序：
In [27]:
# get a list of columns
cols = list(df)
# move the column to head of list using index, pop and insert
cols.insert(0, cols.pop(cols.index('Mid')))
cols
Out[27]:
['Mid', 'Net', 'Upper', 'Lower', 'Zsore']
In [28]:
# use ix to reorder
df = df.ix[:, cols]
df
Out[28]:
Mid Net Upper Lower Zsore
Answer_option
More_than_once_a_day 2 0% 0.22% -0.12% 65
Once_a_day 3 0% 0.32% -0.19% 45
Several_times_a_week 4 2% 2.45% 1.10% 78
Once_a_week 6 1% 1.63% -0.40% 65
另一种方法是对列进行引用并将其重新插入前面：
In [39]:
mid = df['Mid']
df.drop(labels=['Mid'], axis=1,inplace = True)
df.insert(0, 'Mid', mid)
df
Out[39]:
Mid Net Upper Lower Zsore
Answer_option
More_than_once_a_day 2 0% 0.22% -0.12% 65
Once_a_day 3 0% 0.32% -0.19% 45
Several_times_a_week 4 2% 2.45% 1.10% 78
Once_a_week 6 1% 1.63% -0.40% 65
您也可以使用loc来获得相同的结果，ix将在0.20.0之后的未来版本的pandas中弃用：
df = df.loc[:, cols]
答案 1 :(得分：30)
您可以在pandas中使用df.reindex（）函数。 df是
Net Upper Lower Mid Zsore
Answer option
More than once a day 0% 0.22% -0.12% 2 65
Once a day 0% 0.32% -0.19% 3 45
Several times a week 2% 2.45% 1.10% 4 78
Once a week 1% 1.63% -0.40% 6 65
定义列名列表
cols = df.columns.tolist()
cols
Out[13]: ['Net', 'Upper', 'Lower', 'Mid', 'Zsore']
将列名移动到您想要的位置
cols.insert(0, cols.pop(cols.index('Mid')))
cols
Out[16]: ['Mid', 'Net', 'Upper', 'Lower', 'Zsore']
然后使用df.reindex()函数重新排序
df = df.reindex(columns= cols)
out put是：df
Mid Upper Lower Net Zsore
Answer option
More than once a day 2 0.22% -0.12% 0% 65
Once a day 3 0.32% -0.19% 0% 45
Several times a week 4 2.45% 1.10% 2% 78
Once a week 6 1.63% -0.40% 1% 65
答案 2 :(得分：12)
我不喜欢我必须在其他解决方案中明确指定所有其他列，所以这对我来说效果最好。虽然对于大型数据帧来说可能会很慢......？
df.set_index('Mid').reset_index()
答案 3 :(得分：5)
这是我经常用于重新排列列位置的一组通用代码。您可能会发现它有用。
cols = df.columns.tolist()
n = int(cols.index('Mid'))
cols = [cols[n]] + cols[:n] + cols[n+1:]
df = df[cols]
答案 4 :(得分：4)
也许我遗漏了一些东西，但是其中许多答案似乎过于复杂。您应该只需要在一个列表中设置列即可：
最前面的列
df = df[ ['Mid'] + [ col for col in df.columns if col != 'Mid' ] ]
或者，如果您想将其移至背面：
df = df[ [ col for col in df.columns if col != 'Mid' ] + ['Mid'] ]
或者如果您想移动不止一列：
cols_to_move = ['Mid', 'Zsore']
df = df[ cols_to_move + [ col for col in df.columns if col not in cols_to_move ] ]
答案 5 :(得分：4)
我更喜欢这种解决方案：
col = df.pop("Mid")
df = df.insert(0, col.name, col)
与其他建议的答案相比，它更易于阅读且速度更快。
def move_column_inplace(df, col, pos):
col = df.pop(col)
df.insert(pos, col.name, col)
性能评估：
对于此测试，当前的最后一列在每次重复中都移到最前面。就地方法通常表现更好。尽管citynorman的解决方案可以就地完成，但基于.loc的Ed Chum方法和基于reindex的sachinnm方法却不能。
虽然其他方法是通用的，但citynorman的解决方案仅限于pos=0。我没有发现df.loc[cols]和df[cols]之间的性能差异，这就是为什么我没有包含其他建议的原因。
我在MacBook Pro（2015年中）上使用python 3.6.8和pandas 0.24.2进行了测试。
import numpy as np
import pandas as pd
n_cols = 11
df = pd.DataFrame(np.random.randn(200000, n_cols),
columns=range(n_cols))
def move_to_front_normanius_inplace(df):
move_column_inplace(df, df.columns[-1], 0)
return df
def move_to_front_chum(df):
cols = list(df)
cols = [cols[-1]] + cols[:-1]
return df.loc[:, cols]
def move_to_front_chum2(df):
cols = list(df)
cols = [cols[-1]] + cols[:-1]
return df[cols]
def move_to_front_chum_inplace(df):
cols = list(df)
col = df[df.columns[-1]]
df.drop(col.name, axis=1, inplace=True)
df.insert(0, col.name, col)
return df
def move_to_front_sachinmm(df):
cols = list(df)
cols = [cols[-1]] + cols[:-1]
df = df.reindex(columns=cols, copy=False)
return df
def move_to_front_citynorman_inplace(df):
# This approach exploits that reset_index() moves the index
# at the first position of the data frame.
df.set_index(df.columns[-1], inplace=True)
df.reset_index(inplace=True)
return df
ret_mine = move_to_front_normanius_inplace(df.copy())
ret_chum = move_to_front_chum(df.copy())
ret_chum2 = move_to_front_chum_inplace(df.copy())
ret_sach = move_to_front_sachinmm(df.copy())
ret_city = move_to_front_citynorman_inplace(df.copy())
# Assert equivalence of solutions.
assert(ret_mine.equals(ret_chum))
assert(ret_mine.equals(ret_chum2))
assert(ret_mine.equals(ret_sach))
assert(ret_mine.equals(ret_city))
结果：
# For n_cols = 11:
%timeit move_to_front_normanius_inplace(df)
# 963 µs ± 23.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit move_to_front_chum(df)
# 4.17 ms ± 118 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit move_to_front_chum_inplace(df)
# 11.4 ms ± 453 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit move_to_front_sachinmm(df)
# 3.83 ms ± 140 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit move_to_front_citynorman_inplace(df)
# 1.66 ms ± 19 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
# For n_cols = 31:
%timeit move_to_front_normanius_inplace(df)
# 944 µs ± 20.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit move_to_front_chum(df)
# 10.7 ms ± 223 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit move_to_front_chum_inplace(df)
# 34.3 ms ± 530 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit move_to_front_sachinmm(df)
# 11.5 ms ± 273 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit move_to_front_citynorman_inplace(df)
# 1.68 ms ± 43.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
答案 6 :(得分：3)
df.set_index('Mid').reset_index()
似乎是一种非常简单的方法。
答案 7 :(得分：1)
要重新排列数据框的行，只需使用如下列表即可。
df = df[['Mid', 'Net', 'Upper', 'Lower', 'Zsore']]
这使得在以后阅读代码时所做的事情非常明显。还可以使用：
df.columns
Out[1]: Index(['Net', 'Upper', 'Lower', 'Mid', 'Zsore'], dtype='object')
然后剪切并粘贴以重新排序。
答案 8 :(得分：1)
别忘了列名的两个（（））'括号'，否则会给你一个错误。
# here you can add below line and it should work
df = df[list(('Mid','Upper', 'Lower', 'Net','Zsore'))]
df
Mid Upper Lower Net Zsore
Answer option
More than once a day 2 0.22% -0.12% 0% 65
Once a day 3 0.32% -0.19% 0% 45
Several times a week 4 2.45% 1.10% 2% 78
Once a week 6 1.63% -0.40% 1% 65
答案 9 :(得分：0)
您可以尝试的最简单的方法是：
UnicodeDecodeError: 'utf-8' codec can't decode byte 0x89 in position 43: invalid start byte
答案 10 :(得分：0)
如果您想搬到另一个地方并重新分配名称，您可以执行以下操作：
df.insert(0, 'new col name', col)
df.pop("Mid")
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.insert.html