重命名熊猫中的多个列

Question

我有一个CSV文件，我想在其中重命名一些同名的列。 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帧中提取了选定的列

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每三列一次 但是尝试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")

有什么方法可以在熊猫中重命名具有相同名称的多个列吗？

除了手动执行此操作之外还有其他建议吗？

Answer 1

我认为这里最好的是使用带有唯一新列名称的rename，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：

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

因为如果需要 seelct 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

Answer 2

df.columns 属于pandas.indexes.base.Index类型，这就是您获得 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 设置为该更新的列表。

这对我有用：

lst = list(df.columns)
lst[1::3] = ['someName']*len(lst[1::3])
df.columns = lst

或者具有唯一的新列名称(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

Answer 3

基础pandas索引对象是numpy数组。

您可以利用这一事实使用numpy约定进行切片和分配。

来自@jezrael的数据。此已知问题需要显式提取值。

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