我有一个叫做data的数据框。我该如何重命名唯一的一个列名？例如将gdp改名为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
7个回答
48
如果您需要重命名单个列，则使用列表推导式的实现速度要快得多。
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]
或者使用一个 字典 构建映射，并通过将默认值设置为旧名称，使用其 get 操作执行 列表推导：
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]
时间表：
%%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
- Nickil Maveli
3
3这有点奇怪，我假设你正在使用问题中只有三列（y、gdp和cap）的DataFrame。如果你使用更多列，列表推导式版本是否仍然比使用rename快大约3倍？或者其中一个版本比另一个版本快得多？ - Leland Hepworth
6我认为Pandas的作者们不太可能会关心重命名一列所需��微秒数。 - c z
1比什么更快？ - Itération 122442
31
如何在pandas中重命名特定列？
从v0.24+开始，要一次重命名一个或多个列，请使用DataFrame.rename()方法，其中设置参数axis=1或axis='columns'（axis参数在v0.21中引入）。
对于基于字符串/正则表达式的重命名，可以使用
Index.str.replace()方法。
如果您需要同时重命名所有列，请使用DataFrame.set_axis()方法并设置参数axis=1。传递一个列表类型的序列。也可以选择进行就地修改。
rename with 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
从0.21版本开始，您现在可以在rename中指定一个axis参数：
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，默认情况下rename不是就地更名，因此您需要将结果重新分配。）
这个添加是为了提高与API的其余部分一致性。新的axis参数类似于columns参数-它们执行相同的操作。
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 还可以接受一个回调函数，该函数对每个列都会被调用一次。
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
对于这个具体的情况，您希望使用
df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis=1)
Index.str.replace
Index.str.replace 方法类似于 Python 字符串的 replace 方法，pandas 的 Index 和 Series（仅限 object 类型）定义了一个矢量化的 str.replace 方法以进行字符串和基于正则表达式的替换。
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
相对于其他方法的优点在于，str.replace 支持正则表达式（默认启用）。详细信息请参见文档。
通过 axis=1 将列表传递给 set_axis
使用标题列表调用 set_axis。该列表的长度必须与列/索引大小相等。默认情况下，set_axis 会更改原始 DataFrame，但您可以指定 inplace=False 来返回修改后的副本。
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。
方法链式调用
当我们已经有一种有效的方式使用df.columns = ...来分配列时，为什么要选择set_axis呢？正如Ted Petrou在这个答案中所示，set_axis对于尝试链式调用方法非常有用。
比较
# new for pandas 0.21+
df.some_method1()
.some_method2()
.set_axis()
.some_method3()
对战
# old way
df1 = df.some_method1()
.some_method2()
df1.columns = columns
df1.some_method3()
前者的语法更自然、流畅。
- cs95
1
你也可以添加
inplace=True 使 .replace 方法就地替换。这样你就不需要再次赋值了。 - Jan Willem9
pandas中至少有五种不同的方法可以重命名特定的列，下面我列出它们以及原始答案的链接。我还测量了这些方法的运行时间，并发现它们的性能大致相同（虽然根据您的数据集和场景可能会有所不同）。以下测试用例将把包含一百万行的列A至Z的数据框中的列A M N Z重命名为A2 M2 N2 Z2。
# 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://dev59.com/SWIj5IYBdhLWcg3w6JLU#19758398
def method_1():
df_renamed = df.rename(columns={'A': 'A2', 'M': 'M2', 'N': 'N2', 'Z': 'Z2'})
# Lambda function - https://dev59.com/72Qn5IYBdhLWcg3wg3aR#16770353
def method_2():
df_renamed = df.rename(columns=lambda x: x + '2' if x in ['A', 'M', 'N', 'Z'] else x)
# Mapping function - https://dev59.com/SWIj5IYBdhLWcg3w6JLU#19758398
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://dev59.com/T7Pma4cB1Zd3GeqPrX5_#58143182
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://dev59.com/h1oT5IYBdhLWcg3w2SUS#38101084
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
使用对你最直观和最易于在应用程序中实现的方法。
- thdoan
5
使用 pandas.DataFrame.rename 函数。 请查看此 链接 进行描述。
data.rename(columns = {'gdp': 'log(gdp)'}, inplace = True)
如果您打算重命名多个列，则
data.rename(columns = {'gdp': 'log(gdp)', 'cap': 'log(cap)', ..}, inplace = True)
- Rathan
1
重复之前的回答。 - James
0
df.rename(columns=lambda x: {"My_sample": "My_sample_new_name"}.get(x, x))
- slavny_coder
2
太棒了。谢谢。我最终使用了这种方式 - 运行得很好！
df = df.rename(columns=lambda x: {"My_sample": "My_sample_new_name"}.get(x, x)) - sharon
@sharon，我现在对pandas有一些经验了，我想告诉你，“df.rename(columns={"My_sample": "My_sample_new_name"})”可以实现相同的效果。 :) - slavny_coder
-1
我们可以通过重新制作表格来重命名
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)
- gonewiththewhind
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接