示例DataFrame：
df = pd.DataFrame(np.random.randint(0, 10, size=(10, 4)), columns=list('ABCD'))
有没有办法重置列的索引？或者是否容易插入具有列索引位置值的行？我更喜欢索引位置是最外面的索引，并留下列标题作为最内层索引。
答案 0 :(得分：4)
我认为您可以使用numpy.arange或range：
np.random.seed(10)
df = pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns=list('ABCD'))
df.columns = np.arange(len(df.columns))
#alternatively
#df.columns = range(len(df.columns))
print (df)
0 1 2 3
0 9 4 0 1
1 9 0 1 8
2 9 0 8 6
3 4 3 0 4
4 6 8 1 8
5 4 1 3 6
6 5 3 9 6
7 9 1 9 4
8 2 6 7 8
9 8 9 2 0
但是丢失了列值。
如果需要MultiIndex没有名字：
df.columns = [np.arange(len(df.columns)), df.columns]
print (df)
0 1 2 3
A B C D
0 9 4 0 1
1 9 0 1 8
2 9 0 8 6
3 4 3 0 4
4 6 8 1 8
5 4 1 3 6
6 5 3 9 6
7 9 1 9 4
8 2 6 7 8
9 8 9 2 0
并且名称使用MultiIndex.from_arrays：
names = ['a','b']
df.columns = pd.MultiIndex.from_arrays([np.arange(len(df.columns)), df.columns], names=names)
print (df)
a 0 1 2 3
b A B C D
0 9 4 0 1
1 9 0 1 8
2 9 0 8 6
3 4 3 0 4
4 6 8 1 8
5 4 1 3 6
6 5 3 9 6
7 9 1 9 4
8 2 6 7 8
9 8 9 2 0
答案 1 :(得分：3)
删除列名称
df.columns = pd.RangeIndex(df.columns.size)
df
输出：
0 1 2 3
#---------------#
0 0 1 3 3
1 2 2 0 2
2 2 1 3 1
3 2 1 0 0
删除列名称一行
可能有性能问题和副作用，请参阅下面的讨论。
df.T.reset_index(drop=True).T
输出：
0 1 2 3
#---------------#
0 0 1 3 3
1 2 2 0 2
2 2 1 3 1
3 2 1 0 0
实时列名称为第一行
同样的问题，请参阅下面的讨论。
df.T.reset_index().T
输出：
0 1 2 3
#-------------------#
index A B C D
0 0 1 3 3
1 2 2 0 2
2 2 1 3 1
3 2 1 0 0
实时列名为行
有效的方式。
#heterogeneous DataFrame creation
df = pd.DataFrame(np.random.randint(0,4,size=(4, 3)), columns=list('789')).join(
pd.DataFrame(list('bcde'),columns=['A']))
df.index.name = '4'
#save column as row then reindex column names
df = df.append(pd.Series( df.columns,name = df.index.name,index= df.columns ), )
df.columns = pd.RangeIndex(df.columns.size)
print (df)
print(df.info())
输出： NB 您需要额外的努力来防止所有数据的上传
0 1 2 3
#-----------#
4
0 2 3 2 b
1 1 0 2 c
2 3 1 3 d
3 3 3 2 e
4 7 8 9 A
<class 'pandas.core.frame.DataFrame'>
Index: 5 entries, 0 to 4
Data columns (total 4 columns):
0 5 non-null object
1 5 non-null object
2 5 non-null object
3 5 non-null object
dtypes: object(4)
添加seconary列索引一行
可能有性能问题和副作用，请参阅下面的讨论。
df.T.set_index(pd.RangeIndex(df.columns.size),append=True).T
输出：
A B C D
0 1 2 3
#---------------#
0 0 1 3 3
1 2 2 0 2
2 2 1 3 1
3 2 1 0 0
效果问题：
对于大型数据集，可能是双T的不可接受的成本，但在简单的情况下，返回DataFrame副本的一行可能很有用。查看测试结果
In [294]: for i in range (3,7):
...: df = pd.DataFrame(np.random.randint(0,9,size=(10**i, 10**3)))
...: print ('shape:',df.shape)
...: %timeit df.T.reset_index(drop=True)
...:
shape: (1000, 1000)
100 loops, best of 3: 3.2 ms per loop
shape: (10000, 1000)
10 loops, best of 3: 29.3 ms per loop
shape: (100000, 1000)
1 loop, best of 3: 546 ms per loop
shape: (1000000, 1000)
1 loop, best of 3: 9.9 s per loop
In [295]: %timeit df.columns = pd.RangeIndex(df.columns.size)
The slowest run took 28.60 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 7.74 µs per loop
副作用（向上转播）：
异构DataFrames将被升级
In [352]: df = pd.DataFrame(np.random.randint(0,4,size=(4, 3)), columns=list('789')).join(
...: pd.DataFrame(list('bcde'),columns=['A']))
In [353]: df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 4 columns):
7 4 non-null int64
8 4 non-null int64
9 4 non-null int64
A 4 non-null object
dtypes: int64(3), object(1)
memory usage: 208.0+ bytes
.T.T upcasting
In [354]: df.T.T.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 4 columns):
7 4 non-null object
8 4 non-null object
9 4 non-null object
A 4 non-null object
dtypes: object(4)
memory usage: 208.0+ bytes