如何根据数据类型（dtype）对Pandas DataFrame列重新排序？

核心方案 #

通过筛选列类型，将数值型（Int64/float64等）列集中放在前面，object类型列放在后面，无需手动逐个列名排序，适合大量列的场景。

基础实现代码 #

假设你的DataFrame名为df：

# 提取所有数值类型列（可根据实际类型调整include参数）
numeric_cols = df.select_dtypes(include=['Int64', 'float64']).columns.tolist()
# 提取所有object类型列
object_cols = df.select_dtypes(include=['object']).columns.tolist()
# 合并新的列顺序并重新排列DataFrame
df = df[numeric_cols + object_cols]

自定义数值列内部顺序（如示例需求） #

如果需要像示例中那样指定部分数值列的先后顺序，可在基础方案上调整：

# 自定义需要优先排列的数值列顺序
priority_numeric_cols = ['Age', 'BMI', 'Weight']
# 筛选DataFrame中存在的目标列，避免报错
priority_numeric_cols = [col for col in priority_numeric_cols if col in df.columns]
# 提取剩余的数值列，保留原有相对顺序
remaining_numeric_cols = [col for col in df.select_dtypes(include=['Int64']).columns 
                          if col not in priority_numeric_cols]
# 合并最终列顺序：优先列 + 剩余数值列 + object列
new_col_order = priority_numeric_cols + remaining_numeric_cols + object_cols
df = df[new_col_order]

说明 #

• select_dtypes方法可以快速筛选指定类型的列，支持同时传入多种类型（如include=['int64', 'float64', 'Int64']）
• 上述代码无需手动罗列100+列名，自动按类型归类，同时支持自定义核心列的顺序

内容的提问来源于stack exchange，提问作者Maya