Mam ramkę danych o nazwie data. Jak zmienić nazwę jedynego nagłówka kolumny? Na przykład, gdpaby 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

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

Program rename, w którym akceptuje dyktando jako parametr, columnswięc wystarczy przekazać dyktando jednym wpisem.

Zobacz także powiązane

Znacznie szybszą implementacją byłoby użycie, list-comprehensionjeśli chcesz zmienić nazwę pojedynczej kolumny.

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

Jeśli zajdzie potrzeba zmiany nazwy wielu kolumn, użyj wyrażeń warunkowych, takich jak:

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

Lub skonstruować za pomocą mapowania dictionaryi wykonać list-comprehensionz jego getpracy przez ustawienie wartości domyślnej, jak stare nazwy:

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]

Czasy:

%%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

Jak zmienić nazwę określonej kolumny w pandach?

Od wersji 0.24 +, aby zmienić nazwę jednej (lub więcej) kolumn naraz,

• DataFrame.rename()z axis=1lub axis='columns'( axisargument został wprowadzony w v0.21.

• Index.str.replace() do zamiany na podstawie ciągu / wyrażenia regularnego.

Jeśli chcesz zmienić nazwę WSZYSTKICH kolumn naraz,

• DataFrame.set_axis()metoda z axis=1. Przekaż sekwencję podobną do listy. Dostępne są również opcje modyfikacji w miejscu.

rename z 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

W wersji 0.21+ możesz teraz określić axisparametr za pomocą 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

(Zauważ, że renamedomyślnie nie jest to miejsce na miejscu, więc będziesz musiał przypisać wynik z powrotem ).

Ten dodatek został wprowadzony w celu poprawy spójności z resztą interfejsu API. Nowy axisargument jest analogiczny do columnsparametru - robią to samo.

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 akceptuje również wywołanie zwrotne, które jest wywoływane raz dla każdej kolumny.

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

W tym konkretnym scenariuszu chciałbyś użyć

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

Index.str.replace

Podobnie jak w przypadku replacemetody łańcuchów znaków w Pythonie, indeks i serie pand (tylko typ obiektu) definiują (zwektoryzowaną) str.replacemetodę zastępowania ciągów i wyrażeń regularnych.

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

Zaletą tego w porównaniu z innymi metodami jest str.replaceobsługa wyrażeń regularnych (domyślnie włączona). Więcej informacji można znaleźć w dokumentacji.

Przekazywanie listy do set_axiszaxis=1

Zadzwoń set_axisz listą nagłówków. Lista musi mieć taką samą długość jak kolumny / rozmiar indeksu. set_axismutuje oryginalną ramkę DataFrame domyślnie, ale można określić, inplace=Falseaby zwrócić zmodyfikowaną kopię.

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

Uwaga: w przyszłych wersjach inplacebędzie domyślnie True.

Tworzenie łańcuchów metod Po co
wybierać, set_axisskoro już mamy skuteczny sposób przypisywania kolumn df.columns = ...? Jak pokazuje Ted Petrou w [ta odpowiedź], ( https://stackoverflow.com/a/46912050/4909087 )set_axis jest przydatne podczas próby łączenia metod w łańcuch.

Porównać

# new for pandas 0.21+
df.some_method1()
  .some_method2()
  .set_axis()
  .some_method3()

Przeciw

# old way
df1 = df.some_method1()
        .some_method2()
df1.columns = columns
df1.some_method3()

Pierwsza jest bardziej naturalną i swobodną składnią.

Istnieje co najmniej pięć różnych sposobów zmiany nazw określonych kolumn w pandach. Wymieniłem je poniżej wraz z linkami do oryginalnych odpowiedzi. Zmierzyłem również czas tych metod i stwierdziłem, że działają mniej więcej tak samo (chociaż YMMV w zależności od zestawu danych i scenariusza). Poniższy przypadek testowy polega na zmianie nazw kolumn A M N Zna A2 M2 N2 Z2w ramce danych z kolumnami Ana Zmiliony wierszy.

# 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))

Wynik:

Method 1: 3.650640267
Method 2: 3.163998427
Method 3: 2.998530871
Method 4: 2.9918436889999995
Method 5: 3.2436501520000007

Skorzystaj z metody, która jest dla Ciebie najbardziej intuicyjna i najłatwiejsza do wdrożenia w Twojej aplikacji.