就像你使用了数据框中的列和列名一样，你可以使用数据框中的值而不使用列名：
new_df_with_col_names = pd.DataFrame(data=no_col_names_df.values, columns=col_names_df.columns)

In [4]: new_df_with_col_names = pd.DataFrame(data=no_col_names_df, columns=col_names_df.columns)

In [5]: new_df_with_col_names
Out[5]:
   col1  col2  col3
0   NaN   NaN   NaN
1   NaN   NaN   NaN
2   NaN   NaN   NaN

In [6]: new_df_with_col_names = pd.DataFrame(data=no_col_names_df.values, columns=col_names_df.columns)

In [7]: new_df_with_col_names
Out[7]:
   col1  col2  col3
0     1     2     3
1     4     5     6
2     7     8     9

最简单的方法是直接将col_names_df的列分配给no_col_names_df的列：

no_col_names_df.columns = col_names_df.columns

     col1  col2  col3
0     1     2     3
1     4     5     6
2     7     8     9

这一点：

pd.DataFrame(data=no_col_names_df, columns=col_names_df.columns)

给你所有的'NaN'数据框，因为你传递一个数据框来构造一个新的数据框，并将新的columns分配给它。Pandas本质上构造了相同的数据框，并在其上沿着axis 1执行reindex。换句话说，该命令相当于执行：

no_col_names_df.reindex(col_names_df.columns, axis=1)

您需要直接更改no_col_names_df.columns或传递no_col_names_df.values

如果你得到了nan，那么最有可能的问题是data参数，试试这个：

new_df_with_col_names = pd.DataFrame(data=no_col_names_df.values, columns=col_names_df.columns)

输出：

col1  col2  col3
0     1     2     3
1     4     5     6
2     7     8     9

我试过最简单的一个，它是为我工作;
no_col_names_df.columns = col_names_df.columns