我有一个CSV文件，我想将其中的一些列重命名为相同的名称。我的初始代码如下：
df = pd.read_csv('New.csv')
我使用了以下代码从数据框中提取选定的列
df.columns[1::3]
这个切片获取每三列。 现在我想用相同的名称重命名这些每三列，但是尝试像这样重命名我的列 会给我一个错误。
df.columns[1::3]= ['SomeName']
raise TypeError("Index does not support mutable operations")
我能否在pandas中重命名多个具有相同名称的列？
是否有其他建议可以避免手动操作？
我认为最好的方法是使用rename函数，并使用唯一的新列名称，例如：
df = pd.DataFrame({'A':list('abcdef'),
'B':[4,5,4,5,5,4],
'C':[7,8,9,4,2,3],
'D':[1,3,5,7,1,0],
'E':[5,3,6,9,2,4],
'F':list('aaabbb')})
print (df)
A B C D E F
0 a 4 7 1 5 a
1 b 5 8 3 3 a
2 c 4 9 5 6 a
3 d 5 4 7 9 b
4 e 5 2 1 2 b
5 f 4 3 0 4 b
d = dict(zip(df.columns[1::3], range(len(df.columns[1::3]))))
print (d)
{'B': 0, 'E': 1}
df = df.rename(columns=d)
print (df)
A 0 C D 1 F
0 a 4 7 1 5 a
1 b 5 8 3 3 a
2 c 4 9 5 6 a
3 d 5 4 7 9 b
4 e 5 2 1 2 b
5 f 4 3 0 4 b
或者：
d = dict(zip(df.columns[1::3],
['name{}'.format(x) for x in range(len(df.columns[1::3]))]))
print (d)
{'B': 'name0', 'E': 'name1'}
df = df.rename(columns=d)
print (df)
A name0 C D name1 F
0 a 4 7 1 5 a
1 b 5 8 3 3 a
2 c 4 9 5 6 a
3 d 5 4 7 9 b
4 e 5 2 1 2 b
5 f 4 3 0 4 b
不推荐的解决方案是重命名相同列名：
d = dict.fromkeys(df.columns[1::3], 'Name')
print (d)
{'B': 'Name', 'E': 'Name'}
df = df.rename(columns=d)
print (df)
A Name C D Name F
0 a 4 7 1 5 a
1 b 5 8 3 3 a
2 c 4 9 5 6 a
3 d 5 4 7 9 b
4 e 5 2 1 2 b
5 f 4 3 0 4 b
因为如果想选择列 Name，它会返回 DataFrame 中的所有列：
print (df['Name'])
Name Name
0 4 5
1 5 3
2 4 6
3 5 9
4 5 2
5 4 4
d = dict.fromkeys(df.columns[1::3], 'Name') 和 df['name'].sum(axis=1) 这样的编程语句吗？那么是可以使用的。 - jezraeldf.columns的类型是pandas.indexes.base.Index，因此您会收到TypeError错误。如果将其转换为列表，则可以使用切片更新（重命名），并将df.columns设置为更新后的列表。
这对我有用：
lst = list(df.columns)
lst[1::3] = ['someName']*len(lst[1::3])
df.columns = lst
lst = list(df.columns)
lst[1::3] = ['someName{}'.format(x) for x in range(len(lst[1::3]))]
df.columns = lst
pandas索引对象的底层是numpy数组。
您可以利用这一事实使用numpy惯例进行切片和赋值。
@jezrael的数据。需要明确提取值的原因是由于此已知问题。
df = pd.DataFrame({'A':list('abcdef'),
'B':[4,5,4,5,5,4],
'C':[7,8,9,4,2,3],
'D':[1,3,5,7,1,0],
'E':[5,3,6,9,2,4],
'F':list('aaabbb')})
arr = df.columns.values
arr[1::3] = range(2)
df.columns = arr
print(df)
A 0 C D 1 F
0 a 4 7 1 5 a
1 b 5 8 3 3 a
2 c 4 9 5 6 a
3 d 5 4 7 9 b
4 e 5 2 1 2 b
5 f 4 3 0 4 b
pandas 0.23.0 中测试过，仍然存在问题，请勿使用。 - jezrael