我有一个名为data. 我将如何重命名唯一的一个列标题？例如gdp到log(gdp)？
data =
y gdp cap
0 1 2 5
1 2 3 9
2 8 7 2
3 3 4 7
4 6 7 7
5 4 8 3
6 8 2 8
7 9 9 10
8 6 6 4
9 10 10 7
问问题
375127 次
7 回答
42
list-comprehension如果您需要重命名单个列，则可以使用更快的实现。
df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]
如果需要重命名多个列，请使用条件表达式，例如：
df.columns = ['log(gdp)' if x=='gdp' else 'cap_mod' if x=='cap' else x for x in df.columns]
或者，使用 a 构造一个映射，并通过将默认值设置为旧名称来dictionary执行list-comprehension与它的操作：get
col_dict = {'gdp': 'log(gdp)', 'cap': 'cap_mod'} ## key→old name, value→new name
df.columns = [col_dict.get(x, x) for x in df.columns]
时间：
%%timeit
df.rename(columns={'gdp':'log(gdp)'}, inplace=True)
10000 loops, best of 3: 168 µs per loop
%%timeit
df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]
10000 loops, best of 3: 58.5 µs per loop
于 2016-09-23T09:17:35.220 回答
28
如何重命名熊猫中的特定列？
从 v0.24+ 开始，一次重命名一个（或多个）列，
DataFrame.rename()withaxis=1oraxis='columns'(axis参数是在v0.21.Index.str.replace()用于基于字符串/正则表达式的替换。
如果您需要一次重命名所有列，
DataFrame.set_axis()方法与axis=1。传递一个类似列表的序列。选项也可用于就地修改。
rename和axis=1
df = pd.DataFrame('x', columns=['y', 'gdp', 'cap'], index=range(5))
df
y gdp cap
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
使用 0.21+，您现在可以指定axis参数rename：
df.rename({'gdp':'log(gdp)'}, axis=1)
# df.rename({'gdp':'log(gdp)'}, axis='columns')
y log(gdp) cap
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
（请注意，rename默认情况下它不是就地的，因此您需要将结果分配回去。）
进行此添加是为了提高与 API 其余部分的一致性。新axis参数类似于columns参数——它们做同样的事情。
df.rename(columns={'gdp': 'log(gdp)'})
y log(gdp) cap
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
rename还接受为每一列调用一次的回调。
df.rename(lambda x: x[0], axis=1)
# df.rename(lambda x: x[0], axis='columns')
y g c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
对于这种特定情况，您可能希望使用
df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis=1)
Index.str.replace
与 python 中的字符串方法类似replace，pandas 索引和系列（仅限对象 dtype）str.replace为字符串和基于正则表达式的替换定义了一个（“矢量化”）方法。
df.columns = df.columns.str.replace('gdp', 'log(gdp)')
df
y log(gdp) cap
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
与其他方法相比，它的优点是str.replace支持正则表达式（默认启用）。有关更多信息，请参阅文档。
将列表传递给set_axiswithaxis=1
使用标题列表调用set_axis。列表的长度必须等于列/索引大小。set_axis默认情况下会改变原始 DataFrame，但您可以指定inplace=False返回修改后的副本。
df.set_axis(['cap', 'log(gdp)', 'y'], axis=1, inplace=False)
# df.set_axis(['cap', 'log(gdp)', 'y'], axis='columns', inplace=False)
cap log(gdp) y
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
注意：在未来的版本中，inplace将默认为True.
方法链
为什么选择set_axis我们已经有一种有效的方法来分配列df.columns = ...？正如 Ted Petrou 在此答案 set_axis中所示，在尝试链接方法时很有用。
比较
# new for pandas 0.21+
df.some_method1()
.some_method2()
.set_axis()
.some_method3()
相对
# old way
df1 = df.some_method1()
.some_method2()
df1.columns = columns
df1.some_method3()
前者是更自然和自由流动的语法。
于 2017-09-11T00:09:20.000 回答
7
至少有五种不同的方法可以重命名 pandas 中的特定列，我在下面列出了它们以及原始答案的链接。我还对这些方法进行了计时，发现它们的性能大致相同（尽管 YMMV 取决于您的数据集和场景）。下面的测试用例是将列重命名A M N Z为包含一百万行的A2 M2 N2 Z2列的数据框中的列。AZ
# Import required modules
import numpy as np
import pandas as pd
import timeit
# Create sample data
df = pd.DataFrame(np.random.randint(0,9999,size=(1000000, 26)), columns=list('ABCDEFGHIJKLMNOPQRSTUVWXYZ'))
# Standard way - https://stackoverflow.com/a/19758398/452587
def method_1():
df_renamed = df.rename(columns={'A': 'A2', 'M': 'M2', 'N': 'N2', 'Z': 'Z2'})
# Lambda function - https://stackoverflow.com/a/16770353/452587
def method_2():
df_renamed = df.rename(columns=lambda x: x + '2' if x in ['A', 'M', 'N', 'Z'] else x)
# Mapping function - https://stackoverflow.com/a/19758398/452587
def rename_some(x):
if x=='A' or x=='M' or x=='N' or x=='Z':
return x + '2'
return x
def method_3():
df_renamed = df.rename(columns=rename_some)
# Dictionary comprehension - https://stackoverflow.com/a/58143182/452587
def method_4():
df_renamed = df.rename(columns={col: col + '2' for col in df.columns[
np.asarray([i for i, col in enumerate(df.columns) if 'A' in col or 'M' in col or 'N' in col or 'Z' in col])
]})
# Dictionary comprehension - https://stackoverflow.com/a/38101084/452587
def method_5():
df_renamed = df.rename(columns=dict(zip(df[['A', 'M', 'N', 'Z']], ['A2', 'M2', 'N2', 'Z2'])))
print('Method 1:', timeit.timeit(method_1, number=10))
print('Method 2:', timeit.timeit(method_2, number=10))
print('Method 3:', timeit.timeit(method_3, number=10))
print('Method 4:', timeit.timeit(method_4, number=10))
print('Method 5:', timeit.timeit(method_5, number=10))
输出：
Method 1: 3.650640267
Method 2: 3.163998427
Method 3: 2.998530871
Method 4: 2.9918436889999995
Method 5: 3.2436501520000007
使用对您来说最直观且最容易在应用程序中实现的方法。
于 2020-04-19T22:52:19.933 回答
3
使用pandas.DataFrame.rename函数。检查此链接以获取说明。
data.rename(columns = {'gdp': 'log(gdp)'}, inplace = True)
如果您打算重命名多个列，那么
data.rename(columns = {'gdp': 'log(gdp)', 'cap': 'log(cap)', ..}, inplace = True)
于 2020-09-05T12:08:51.047 回答
0
df.rename(columns=lambda x: {"My_sample": "My_sample_new_name"}.get(x, x))
于 2021-09-23T11:13:16.027 回答
-1
ewe 可以通过 re-doing table 来重命名
df = pd.DataFrame()
column_names = mydataframe.columns
for i in range(len(mydataframe)):
column = mydataframe.iloc[:,i]
df[column_names[i][:-8]+"desigred_texnt"] = column
print(df.columns)
于 2021-12-06T20:00:58.880 回答