有无类似np.r_的Pandas方法，可通过列索引重排DataFrame列？

我有一个结构如下的DataFrame：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 191 entries, 0 to 190
Data columns (total 11 columns):
 #   Column                    Non-Null Count  Dtype  
---  ------                    --------------  -----  
 0   Country                   191 non-null    object 
 1   Energy Supply             172 non-null    float64
 2   Energy Supply per Capita  172 non-null    float64
 3   % Renewable               173 non-null    float64
 4   Rank                      191 non-null    int64  
 5   Documents                 191 non-null    int64  
 6   Citable documents         191 non-null    int64  
 7   Citations                 191 non-null    int64  
 8   Self-citations            191 non-null    int64  
 9   Citations per document    191 non-null    float64
 10  H index                   191 non-null    int64  
dtypes: float64(4), int64(6), object(1)
memory usage: 16.5+ KB

希望将列重排为以下顺序：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 191 entries, 0 to 190
Data columns (total 11 columns):
 #   Column                    Non-Null Count  Dtype  
---  ------                    --------------  -----  
 0   Country                   191 non-null    object 
 1   Rank                      191 non-null    int64  
 2   Documents                 191 non-null    int64  
 3   Citable documents         191 non-null    int64  
 4   Citations                 191 non-null    int64  
 5   Self-citations            191 non-null    int64  
 6   Citations per document    191 non-null    float64
 7   H index                   191 non-null    int64  
 8   Energy Supply             172 non-null    float64
 9   Energy Supply per Capita  172 non-null    float64
 10  % Renewable               173 non-null    float64
dtypes: float64(4), int64(6), object(1)
memory usage: 16.5+ KB

我已通过以下两种代码实现该重排：

# 方法1：利用iloc索引
EnScMerged = pd.merge(Energy,ScimEn, on='Country',how='right').iloc[:,np.r_[0:1, 4:11, 1:4]]

# 方法2：reindex手动指定列名
EnScMerged_=EnScMerged.reindex(columns = ['Country','Rank','Documents','Citable documents','Citations','Self-citations','H index','Energy Supply','Energy Supply per Capita','% Renewable'])

我希望找到无需手动输入所有列名的最简方式，请问是否存在这类Pandas方法？

当然有，以下是几种无需手动全量输入列名的简洁方法：

方法1：利用原始DataFrame的列名（推荐） #

如果你还保留着合并前的Energy和ScimEn两个DataFrame，可以直接提取它们的列名组合目标顺序，完全不用手动列任何业务列名：

# 提取ScimEn中除Country外的所有列
scim_cols = ScimEn.columns.drop('Country')
# 提取Energy中除Country外的所有列
energy_cols = Energy.columns.drop('Country')
# 组合成目标列顺序
new_order = ['Country'] + scim_cols.tolist() + energy_cols.tolist()
# 重排DataFrame列
EnScMerged = EnScMerged[new_order]

这种方法的优势是完全依赖原始数据源的列结构，后续如果原始DataFrame的列有增减，代码会自动适配，不用手动修改。

方法2：按列名特征筛选 #

如果已经没有保留原始的Energy和ScimEn，可以通过列名的特征分组筛选，只需要少量手动标记区分两类列：

# 筛选出学术相关的列（排除Country和能源类列）
scim_cols = [col for col in EnScMerged.columns 
             if col not in ['Country', 'Energy Supply', 'Energy Supply per Capita', '% Renewable']]
# 筛选出能源相关的列
energy_cols = [col for col in EnScMerged.columns 
               if col in ['Energy Supply', 'Energy Supply per Capita', '% Renewable']]
# 组合重排
new_order = ['Country'] + scim_cols + energy_cols
EnScMerged = EnScMerged[new_order]

这种方法只需要手动标记能源类的3个列名，比全量输入11个列名简洁很多。

方法3：利用iloc简化索引（优化你已有的方法） #

你已经在使用iloc结合np.r_的方法，可以进一步简化写法，不用依赖numpy：

EnScMerged = pd.merge(Energy, ScimEn, on='Country', how='right')
# 直接用列索引列表重排
EnScMerged = EnScMerged.iloc[:, [0] + list(range(4,11)) + list(range(1,4))]

这种写法避免了引入numpy，纯用Pandas和Python内置函数实现，同样不需要输入列名。

内容的提问来源于stack exchange，提问作者Carl Huxohl