本文介绍一种简洁高效的方法，将pandas dataframe当前的列名作为首行数据插入，并同步更新列名为指定的新名称，避免冗余构造临时dataframe或多次concat操作。

本文介绍一种简洁高效的方法，将pandas dataframe当前的列名作为首行数据插入，并同步更新列名为指定的新名称，避免冗余构造临时dataframe或多次concat操作。

在数据处理中，常遇到原始DataFrame的列名实际是有效业务数据（例如Excel表头错位、CSV无标题行但首行含字段值），此时需将原列名“下移”为第一行，再赋予语义清晰的新列名。传统方法（如先提取列名建新DataFrame、重设原列名、再纵向拼接）代码冗长且效率较低。

更优解仅需两步，利用Pandas的灵活索引与赋值机制：

# 假设原始DataFrame如下
import pandas as pd
df = pd.DataFrame([[1, 2], [3, 4]], columns=['A', 'B'])

# ✅ 步骤1：将原列名作为新首行插入（使用loc[-1]确保插入在最前）
df.loc[-1] = df.columns  # 自动对齐列名到对应列
df.index = df.index + 1  # 重置索引，使-1变为0，后续行顺延
df = df.sort_index()     # 保证行序正确（0, 1, 2...）

# ✅ 步骤2：重命名列名
df.columns = ['column 1', 'column 2']

执行后，df 结构变为：

   column 1  column 2
0         A           B
1         1           2
2         3           4

⚠️ 注意事项：

• df.loc[-1] = df.columns 依赖列名与列顺序严格一致，适用于标准DataFrame；若存在重复列名或MultiIndex，需预先处理；
• df.index = df.index + 1 和 sort_index() 是确保索引连续、首行为0的关键，不可省略；
• 该方法原地修改（in-place）效率高，内存友好，无需额外DataFrame实例，显著优于pd.concat方案。

此方案兼具简洁性、可读性与性能优势，是处理“列名转首行+重命名”场景的标准实践。