重命名 Pandas 中的特定列-IT科技

摘要：问题描述：我有一个名为的数据框data。我该如何重命名唯一的列标题？例如gdp重命名为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...

问题描述：

我有一个名为的数据框data。我该如何重命名唯一的列标题？例如gdp重命名为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

解决方案 1：

data.rename(columns={'gdp':'log(gdp)'}, inplace=True)

结果rename表明它接受一个字典作为参数，columns因此您只需传递一个具有单个条目的字典即可。

另请参阅相关内容

解决方案 2：

list-comprehension如果您需要重命名单个列，则可以使用更快的实现方式。

df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]

如果需要重命名多个列，可以使用条件表达式，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其操作：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]

时间安排：

%%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

解决方案 3：

如何重命名 Pandas 中的特定列？

从 v0.24+ 开始，要一次重命名一列（或多列），

DataFrame.rename()与axis=1或axis='columns'（该axis参数是在中引入的v0.21。
Index.str.replace()用于基于字符串/正则表达式的替换。

如果需要一次性重命名所有列，

DataFrame.set_axis()方法axis=1。传递一个列表式序列。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

在 0.21+ 版本中，您现在可以指定axis以下参数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默认情况下不是就地的，因此您需要将结果分配回来。）

此项添加是为了提高与其余 API 的一致性。新axis参数与参数类似columns- 它们的作用相同。

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还接受对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

对于这个特定的场景，你可能想要使用

df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis=1)

`Index.str.replace`

replace与Python 中的字符串方法类似，pandas Index 和 Series（仅限对象 dtype）定义了一种str.replace用于字符串和基于正则表达式的替换的（“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，此方法的优势在于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`set_axis`给`axis=1`

set_axis使用标题列表进行调用。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。

方法链接既然我们已经有一种有效的方法来分配列，

为什么还要选择呢？正如 Ted Petrou 所言，这个答案在尝试链接方法时很有用。set_axis`df.columns = ... set_axis`

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()

前者的语法更加自然、流畅。

解决方案 4：

在 Pandas 中，至少有五种不同的方法可以重命名特定列，我已将它们列在下面，并附上原始答案的链接。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数据框中的列。A`Z`

# 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您的应用程序中实现的方法。

解决方案 5：

使用pandas.DataFrame.rename函数。查看此链接了解说明。

data.rename(columns = {'gdp': 'log(gdp)'}, inplace = True)

如果你打算重命名多个列，那么

data.rename(columns = {'gdp': 'log(gdp)', 'cap': 'log(cap)', ..}, inplace = True)

解决方案 6：

df.rename(columns=lambda x: {"My_sample": "My_sample_new_name"}.get(x, x))

解决方案 7：

您想要从 pandas 数据框中重命名特定列，您想要重命名的列如下： gdp 到 log(gdp) cap 到 log(cap) 等等。

因此适当的代码将是这样的：

data.rename(
    columns={
        'gdp': 'log(gdp)',
        'cap': 'log(cap)',
    }, inplace=True
)

请参见下图中的输出：
在此处输入图片描述

解决方案 8：

可以通过重新创建表格来重命名

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)