在 Pandas 中重命名多个列

Posted 2023-03-11

【中文标题】在 Pandas 中重命名多个列

【英文标题】：Renaming Multiple Columns in Pandas

【发布时间】：2018-10-27 10:20:04

【问题描述】：

我有一个 CSV 文件，我想在其中重命名一些具有相同名称的列。我的初始代码如下所示

df = pd.read_csv('New.csv')

我使用此代码从数据框中提取了选定的列

df.columns[1::3]

此切片每隔三列获取一次。 现在我想用相同的名称重命名那些每隔三列 但试图像这样重命名我的列 给我一个错误

df.columns[1::3]= ['SomeName']
raise TypeError("Index does not support mutable operations")

有什么方法可以重命名 pandas 中具有相同名称的多个列？

除了手动执行此操作之外，还有其他建议吗？

【问题讨论】：

如果需要动态重命名，新列名的模式是什么？

【参考方案1】：

我认为这里最好使用 rename 和独特的新列名称，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的列名：

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

因为如果想要查看列 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

【讨论】：

我想在这里使用相同的列名的原因是，我想对这些列名进行分组。

喜欢d = dict.fromkeys(df.columns[1::3], 'Name') 然后df['name'].sum(axis=1) ？那么就可以使用

不，目标是将该分组列用作不求和的索引。

【参考方案2】：

df.columns 的类型为 pandas.indexes.base.Index，这就是您收到 TypeError 的原因。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

或拥有唯一的新列名（正如@jezrael 指出的那样，可能不建议使用相同的名称）：

lst = list(df.columns)
lst[1::3] = ['someName'.format(x) for x in range(len(lst[1::3]))] 
df.columns = lst

【参考方案3】：

基础pandas 索引对象是numpy 数组。

您可以利用这一事实来使用numpy 约定进行切片和分配。

来自@jezrael 的数据。 this known issue 需要显式提取值。

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

【讨论】：

不，而不是。非常糟糕的答案。 ***.com/questions/43291781/…

在我看来这样做很危险，所以被否决了。但是如果改变答案，我会删除downvote，没问题。

在pandas 0.23.0中测试还是有问题，所以不要使用它。

在我看来最好不要使用它，因为太奇怪的行为。

@jezrael，但我没有使用它。我正在复制这些值，更改它们并重新分配 back.. 这与您的链接问题完全不同。