我在根据我创建的字典转换Panda数据帧中的列名时遇到问题
housing = pd.read_csv('City_Zhvi_AllHomes.csv')
cols = housing.iloc[:,51:251]
housing = housing.drop(list(housing)[6:251],axis=1)
cols = cols.groupby(np.arange(len(cols.columns))//3, axis=1).mean()
a= pd.read_excel('gdplev.xls', header=None, skiprows=220,index_col=0, names=['GDP'], parse_cols=[4,6])
col_names = list(a.index)
col_names = col_names + ['2016q3']
vals = list(cols.columns.values)
cols_dict = dict(zip(col_names,vals))
cols = cols.rename(columns = cols_dict)
我还尝试过使用地图功能：
cols.columns.map([cols_dict])
期望的结果是将所有列名(0-66(转换为我的字典(2000q1-2016q3(中列出的关键字
然而，我实现的两个解决方案产生了相同的结果，并且列仍然使用相同的名称。
UPDATE根据请求，这里是我的数据帧中的前几行列表：
0 1 2 3 4 5 6 7 8 9 ... 57 58 59 60 61 62 63 64 65 66
0 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN ... 5.154667e+05 5.228000e+05 5.280667e+05 5.322667e+05 5.408000e+05 5.572000e+05 5.728333e+05 5.828667e+05 5.916333e+05 587200.0
1 2.070667e+05 2.144667e+05 2.209667e+05 2.261667e+05 2.330000e+05 2.391000e+05 2.450667e+05 2.530333e+05 2.619667e+05 2.727000e+05 ... 4.980333e+05 5.090667e+05 5.188667e+05 5.288000e+05 5.381667e+05 5.472667e+05 5.577333e+05 5.660333e+05 5.774667e+05 584050.0
2 1.384000e+05 1.436333e+05 1.478667e+05 1.521333e+05 1.569333e+05 1.618000e+05 1.664000e+05 1.704333e+05 1.755000e+05 1.775667e+05 ... 1.926333e+05 1.957667e+05 2.012667e+05 2.010667e+05 2.060333e+05 2.083000e+05 2.079000e+05 2.060667e+05 2.082000e+05 212000.0
3 5.300000e+04 5.363333e+04 5.413333e+04 5.470000e+04 5.533333e+04 5.553333e+04 5.626667e+04 5.753333e+04 5.913333e+04 6.073333e+04 ... 1.137333e+05 1.153000e+05 1.156667e+05 1.162000e+05 1.179667e+05 1.212333e+05 1.222000e+05 1.234333e+05 1.269333e+05 128700.0
还有我的字典样本：
{0: '2000q1',
1: '2000q2',
2: '2000q3',
3: '2000q4',
4: '2001q1',
5: '2001q2',
您可以通过以下方式重命名列：
#Rename Columns
df.rename(columns={'old name1':'new name1','old name2':'new name2'}, inplace=True)
所以你只需要使用：
housing.rename(columns=cols_dict, inplace=True)
但是更改字典，其中键是旧列名，而这些键的值是新名称
cols_dict = dict(zip(vals, col_names))
不过，看看你的代码，看起来你正在把它应用到一个Growby对象上。因此，您需要将"cols"对象更改回简单的普通数据帧，然后进行重命名，或者他们在这里解释如何使用groupby函数重命名Pandas中的列名groupby函数