详解pandas改列名

pandas是Python语言中的一个数据分析库，主要用于数据清洗、数据整合、数据建模等操作。在使用pandas处理数据时，有许多列名不符合数据分析的标准，因此就需要对列名进行改名操作。本文将从多个方面详细阐述如何使用pandas改列名。

一、基本方法

使用pandas改列名的基本方法是通过rename()函数进行操作。rename()函数通过字典的方式传入原列名和新列名的对应关系，从而实现对列名的改名。下面是一个简单的示例：

import pandas as pd

# 创建一个DataFrame
data = {'name': ['Tom', 'John', 'Bill'], 'age': [25, 30, 28]}
df = pd.DataFrame(data)

# 改名操作
df = df.rename(columns={'name': 'new_name', 'age': 'new_age'})

# 输出结果
print(df.head())

上面的代码中，我们先创建了一个包含两列数据的DataFrame，然后通过rename()函数将原来的列名name和age改成了new_name和new_age。结果如下：

   new_name  new_age
0       Tom       25
1      John       30
2      Bill       28

二、选择性更改

在实际的业务场景中，我们可能只需要对其中的几列进行改名，这时可以使用rename()函数的columns参数。该参数是一个字典，键名为原列名，键值为新列名，只会对指定的列进行更改。下面是一个示例：

import pandas as pd

# 创建一个DataFrame
data = {'name': ['Tom', 'John', 'Bill'], 'age': [25, 30, 28], 'gender': ['M', 'M', 'F']}
df = pd.DataFrame(data)

# 改名操作，只更改name和age两列
df = df.rename(columns={'name': 'new_name', 'age': 'new_age'}, index={0: 'a', 1: 'b', 2: 'c'}, columns=['name', 'age'])

# 输出结果
print(df.head())

上面的代码中，我们指定只对name和age两列进行改名，而gender列没有更改。同时，我们还加了index参数，用于指定行索引的更改。columns参数用于指定哪些列需要更改，这里我们只指定了name和age。结果如下：

   new_name  new_age gender
a       Tom       25      M
b      John       30      M
c      Bill       28      F

三、使用str函数更改列名

在实际的业务场景中，我们可能需要对列名进行批量更改，这里我们可以使用pandas的str函数实现。我们可以通过str.replace()函数来实现更改，通过正则表达式来匹配我们需要更改的部分。下面是一个示例：

import pandas as pd

# 创建一个DataFrame
data = {'name': ['Tom', 'John', 'Bill'], 'age': [25, 30, 28], 'gender(M/F)': ['M', 'M', 'F']}
df = pd.DataFrame(data)

# 批量更改列名
df.columns = df.columns.str.replace('\(.*\)', '')

# 输出结果
print(df.head())

上面的代码中，我们创建了一个包含三列数据的DataFrame，其中gender(M/F)列名包含了(M/F)字符，我们需要将其去除。这里使用str.replace()函数，通过正则表达式匹配(M/F)字符，并将其删除。结果如下：

   name  age gender
0   Tom   25      M
1  John   30      M
2  Bill   28      F

四、使用set_axis()函数更改列名

在pandas的版本0.21及以上，我们可以使用set_axis()函数来更改DataFrame的列名。该函数使用的是关键字参数，可以一次性将所有列名进行更改。下面是一个示例：

import pandas as pd

# 创建一个DataFrame
data = {'name': ['Tom', 'John', 'Bill'], 'age': [25, 30, 28], 'gender': ['M', 'M', 'F']}
df = pd.DataFrame(data)

# 批量更改列名
df = df.set_axis(['new_name', 'new_age', 'new_gender'], axis=1, inplace=False)

# 输出结果
print(df.head())

上面的代码中，我们使用set_axis()函数将所有的列名进行更改。需要注意的是，该函数会返回一个新的DataFrame，原来的DataFrame并没有更改。该函数的第一个参数为列名列表，第二个参数为轴的编号，第三个参数为是否原地更改。结果如下：

  new_name  new_age new_gender
0      Tom       25          M
1     John       30          M
2     Bill       28          F

五、结合apply()函数更改列名

在实际的业务场景中，我们可能需要进行复杂的更改操作，这时我们可以结合apply()函数来实现。apply()函数可以将自定义函数应用于每一行或列，实现对数据的自定义处理。下面是一个示例：

import pandas as pd

# 创建一个DataFrame
data = {'name': ['Tom', 'John', 'Bill'], 'age': [25, 30, 28], 'gender': ['M', 'M', 'F']}
df = pd.DataFrame(data)

# 定义更改函数
def change_name(name):
    if name == 'John':
        return 'J'
    else:
        return name

# 更改操作
df.columns = df.columns.map(change_name)

# 输出结果
print(df.head())

上面的代码中，我们定义了一个更改函数change_name()，该函数返回原列名或者对原列名进行更改。这里我们将原来的列名中的John改成了J。然后使用map()函数对所有列名进行更改。结果如下：

   Tom  J    Bill
0  Tom  25      M
1  J    30      M
2  Bill 28      F

总结

本文从基本方法、选择性更改、使用str函数更改列名、使用set_axis()函数更改列名、结合apply()函数更改列名等多个方面详细阐述了如何使用pandas改列名。在实际的数据处理中，更改列名是一个非常常见的操作，熟练掌握改名操作对于提高数据处理效率和质量都有很大帮助。

原创文章，作者：DJSRV，如若转载，请注明出处：https://www.506064.com/n/324541.html