如何在子类化的pandas DataFrame中重排列顺序？

你说得对，问题确实出在__init__里重新赋值self——这只是修改了局部变量的指向，不会改变已经创建的实例本身，所以列重排没生效。

要在子类化的DataFrame里实现自动列重排，你可以直接修改实例的列顺序，而不是返回新对象再赋值self。这里提供两种可靠的实现方式：

方式一：初始化后原地调整列顺序 #

利用reindex方法的inplace=True参数，直接在已创建的实例上修改列顺序：

import pandas as pd

class SubDataFrame(pd.DataFrame):
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self._reorder_columns()
    
    def _reorder_columns(self):
        first_columns = ['Symbol', 'Name', 'Description']
        # 整理出目标列顺序：指定列在前，其余列按原顺序跟在后面
        new_column_order = first_columns + [col for col in self.columns if col not in first_columns]
        # 原地重排列
        self.reindex(columns=new_column_order, inplace=True)

# 测试
data = {'Description':['mydesc'], 'Name':['myname'], 'Symbol':['mysymbol']}
df = SubDataFrame(data)
print(df.columns)  # 输出: Index(['Symbol', 'Name', 'Description'], dtype='object')

方式二：初始化时先调整列顺序再传给父类 #

如果希望在实例创建前就确定列顺序，可以先处理输入数据的列，再调用父类构造函数，这种方式避免了后续的原地修改：

import pandas as pd

class SubDataFrame(pd.DataFrame):
    def __init__(self, *args, **kwargs):
        # 先处理输入数据，调整列顺序
        if len(args) > 0 and isinstance(args[0], pd.DataFrame):
            # 输入是DataFrame的情况
            df = args[0]
            first_columns = ['Symbol', 'Name', 'Description']
            new_order = first_columns + [col for col in df.columns if col not in first_columns]
            args = (df[new_order],) + args[1:]
        elif isinstance(kwargs.get('data'), dict):
            # 输入是字典的情况
            data = kwargs['data']
            first_columns = ['Symbol', 'Name', 'Description']
            # 按指定顺序提取字典键，确保指定列存在（不存在则跳过）
            ordered_data = {col: data[col] for col in first_columns if col in data}
            # 添加剩余列
            ordered_data.update({col: data[col] for col in data if col not in ordered_data})
            kwargs['data'] = ordered_data
        
        # 调用父类构造函数
        super().__init__(*args, **kwargs)

# 测试
data = {'Description':['mydesc'], 'Name':['myname'], 'Symbol':['mysymbol']}
df = SubDataFrame(data)
print(df.columns)  # 输出: Index(['Symbol', 'Name', 'Description'], dtype='object')

第一种方式更通用，能处理所有DataFrame支持的输入类型（比如另一个DataFrame、列表等）；第二种方式则在实例创建阶段就完成列调整，避免了后续的原地修改操作，你可以根据需求选择。

内容的提问来源于stack exchange，提问作者Begoodpy