下面介绍三种方法，给dataframe列排序：

1、使用sort_values()方法，并指定axis=1参数。

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [3, 1, 4],
        'C': [2, 6, 5],
        'B': [9, 8, 7]}
df = pd.DataFrame(data)

# 按照列名给列排序
df = df.sort_values(by=df.columns, axis=1)

print(df)

输出结果：

   A  B  C
0  3  9  2
1  1  8  6
2  4  7  5

在上述代码中，我们首先创建了一个示例DataFrame。然后，我们使用sort_values()方法对DataFrame的列进行排序。通过指定by=df.columns，我们将按照列名的字母顺序对列进行排序。最后，通过设置axis=1参数，我们指定按列进行排序。

执行上述代码后，DataFrame的列将按照列名的字母顺序进行排序。

请注意，sort_values()方法会生成一个新的DataFrame，因此我们将排序后的结果重新赋值给df，以便在打印时显示排序后的结果。如果你想在原始DataFrame上进行排序，可以使用inplace=True参数。

2、使用reindex()方法，并传递一个包含所需顺序的列名列表。

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [3, 1, 4],
        'B': [2, 6, 5],
        'C': [9, 8, 7]}
df = pd.DataFrame(data)

# 按照指定顺序给列排序
order = ['B', 'C', 'A']
df = df.reindex(columns=order)

print(df)

输出结果：

   B  C  A
0  2  9  3
1  6  8  1
2  5  7  4

在上述代码中，我们首先创建了一个示例DataFrame。然后，我们定义了一个列表order，其中包含了按照指定顺序排列的列名。接下来，我们使用reindex()方法，并传递columns=order来重新索引DataFrame的列，以按照指定顺序进行排序。

3、如果想原地修改DataFrame的列顺序，可以使用df = df[order]的方式重新分配DataFrame给同名变量。

import pandas as pd

# 创建一个示例的合并 DataFrame
df1 = pd.DataFrame({'A': [1, 2, 3],
                    'B': [4, 5, 6]})
df2 = pd.DataFrame({'C': [7, 8, 9],
                    'D': [10, 11, 12]})
merged_df = pd.concat([df1, df2], axis=1)

# 按照指定顺序给列排序
order = ['D', 'C', 'B', 'A']
merged_df = merged_df[order]

print(merged_df)

输出结果：

    D  C  B  A
0  10  7  4  1
1  11  8  5  2
2  12  9  6  3

在上述代码中，我们使用df[order]的方式重新分配DataFrame给同名变量merged_df，以按照指定顺序对列进行排序。这种方式将返回重新排序后的DataFrame，并将其分配给同名变量，从而实现了在原地修改列顺序的效果。

对了，上面的代码改一改，也阔以“筛选”哦，只要在order列表里删除不要的列名就行。