另一种选择是将其添加为列索引的附加级别,使其成为 MultiIndex:
In [11]: df = pd.DataFrame(randn(2, 2), columns=['A', 'B'])
In [12]: df
Out[12]:
A B
0 -0.952928 -0.624646
1 -1.020950 -0.883333
In [13]: df.columns = pd.MultiIndex.from_tuples(zip(['AA', 'BB'], df.columns))
In [14]: df
Out[14]:
AA BB
A B
0 -0.952928 -0.624646
1 -1.020950 -0.883333
这有利于保持 DataFrame 的正确 dtypes,因此您仍然可以对 DataFrame 进行快速和正确的计算,并允许您通过旧列名和新列名进行访问。
.
为了完整起见,这里是 DSM(已删除的答案),使列成为一行,如前所述,这通常不是一个好主意:
In [21]: df_bad_idea = df.T.reset_index().T
In [22]: df_bad_idea
Out[22]:
0 1
index A B
0 -0.952928 -0.624646
1 -1.02095 -0.883333
请注意,在这种情况下,dtype 可能会更改(如果这些是列名而不是正确的值)......所以如果您真的打算对此进行任何工作,请小心,因为它可能会更慢甚至可能失败:
In [23]: df.sum()
Out[23]:
A -1.973878
B -1.507979
dtype: float64
In [24]: df_bad_idea.sum() # doh!
Out[24]: Series([], dtype: float64)
如果列名实际上是被误认为是标题行的行,那么您应该在读取数据时更正这一点(例如read_csv
使用header=None
)。