当然，你可以使用.get_loc():

In [45]: df = DataFrame({"pear": [1,2,3], "apple": [2,3,4], "orange": [3,4,5]})

In [46]: df.columns
Out[46]: Index([apple, orange, pear], dtype=object)

In [47]: df.columns.get_loc("pear")
Out[47]: 2

尽管说实话，我自己并不经常需要这个。通常通过名称进行访问(df["pear"]， df[["apple"， "orange"]])，或者可能是df.columns。isin(["orange"， "pear"])))，尽管我可以肯定地看到您想要索引号的情况。

当您希望找到多个列匹配时，可以使用使用searchsorted方法的向量化解决方案。因此，df作为数据帧，query_cols作为要搜索的列名，实现将是-

def column_index(df, query_cols):
    cols = df.columns.values
    sidx = np.argsort(cols)
    return sidx[np.searchsorted(cols,query_cols,sorter=sidx)]

试运行-

In [162]: df
Out[162]: 
   apple  banana  pear  orange  peach
0      8       3     4       4      2
1      4       4     3       0      1
2      1       2     6       8      1

In [163]: column_index(df, ['peach', 'banana', 'apple'])
Out[163]: array([4, 1, 0])

当列可能存在，也可能不存在时，下面的(来自上面的变体)可以工作。

ix = 'none'
try:
     ix = list(df.columns).index('Col_X')
except ValueError as e:
     ix = None  
     pass

if ix is None:
   # do something

对于返回多列索引，我建议使用pandas。索引方法get_indexer，如果你有唯一的标签:

df = pd.DataFrame({"pear": [1, 2, 3], "apple": [2, 3, 4], "orange": [3, 4, 5]})
df.columns.get_indexer(['pear', 'apple'])
# Out: array([0, 1], dtype=int64)

如果索引中有非唯一的标签(列只支持唯一的标签)它接受与get_indexer相同的参数:

df = pd.DataFrame(
    {"pear": [1, 2, 3], "apple": [2, 3, 4], "orange": [3, 4, 5]}, 
    index=[0, 1, 1])
df.index.get_indexer_for([0, 1])
# Out: array([0, 1, 2], dtype=int64)

这两种方法也都支持使用，f.i.的非精确索引，浮点值取有容差的最近值。如果两个索引到指定标签的距离相同或重复，则选择索引值较大的索引:

df = pd.DataFrame(
    {"pear": [1, 2, 3], "apple": [2, 3, 4], "orange": [3, 4, 5]},
    index=[0, .9, 1.1])
df.index.get_indexer([0, 1])
# array([ 0, -1], dtype=int64)

DSM的解决方案是有效的，但是如果你想要一个直接等价的方法(df。Columns == name).nonzero()

更新:" 0.25.0版后已移除:使用np.asarray(..)或DataFrame.values()代替。

如果你想从列位置获取列名(与OP问题相反)，你可以使用:

>>> df.columns.values()[location]

使用@DSM示例:

>>> df = DataFrame({"pear": [1,2,3], "apple": [2,3,4], "orange": [3,4,5]})

>>> df.columns

Index(['apple', 'orange', 'pear'], dtype='object')

>>> df.columns.values()[1]

'orange'

其他方式:

df.iloc[:,1].name

df.columns[location] #(thanks to @roobie-nuby for pointing that out in comments.)