У меня есть dataframe под названием data. Как переименовать единственный заголовок столбца? Например, gdp - 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)
rename показывает, что он принимает dict как параметр для columns, поэтому вы просто передаете dict с одной записью.
Также см. .
Более быстрая реализация заключалась бы в использовании list-comprehension, если вам нужно переименовать один столбец.
df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]
Если возникает необходимость переименовать несколько столбцов, используйте условные выражения, например:
df.columns = ['log(gdp)' if x=='gdp' else 'cap_mod' if x=='cap' else x for x in df.columns]
Или постройте сопоставление с помощью dictionary и выполните операцию list-comprehension с ним get, установив значение по умолчанию в качестве старого имени:
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]
Тайминги:
%%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
В версии 0.21 были внесены существенные обновления для переименования столбцов.
rename method добавил параметр axis, который может быть установлен на columns или 1. Это обновление позволяет этому методу соответствовать остальной части pandas API. Он по-прежнему имеет параметры index и columns, но вы больше не вынуждены их использовать.set_index method с inplace, установленным в False, позволяет вам переименовать все метки индекса или столбца с помощью список.Построить образец DataFrame:
df = pd.DataFrame({'y':[1,2,8], 'gdp':[2,3,7], 'cap':[5,9,2]},
columns=['y','gdp', 'cap'])
cap gdp y
0 5 2 1
1 9 3 2
2 2 7 8
rename с axis='columns' или axis=1 (новый для 0.21)df.rename({'gdp':'log(gdp)'}, axis='columns')
или
df.rename({'gdp':'log(gdp)'}, axis=1)
Оба результата приведут к следующему:
cap log(gdp) y
0 5 2 1
1 9 3 2
2 2 7 8
По-прежнему можно использовать старую подпись метода:
df.rename(columns={'gdp':'log(gdp)'})
Функция rename также принимает функции, которые будут применяться к каждому имени столбца.
df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis='columns')
или
df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis=1)
set_axis со списком и inplace=FalseВы можете предоставить список методу set_axis, равному по длине количеству столбцов (или индекса). В настоящее время inplace по умолчанию используется True, но inplace по умолчанию будет False в будущих выпусках.
df.set_axis(['cap', 'log(gdp)', 'y'], axis='columns', inplace=False)
или
df.set_axis(['cap', 'log(gdp)', 'y'], axis=1, inplace=False)
df.columns = ['cap', 'log(gdp)', 'y']?Нет ничего плохого в назначении столбцов прямо так. Это идеальное решение.
Преимущество использования set_axis заключается в том, что его можно использовать как часть цепочки методов и что он возвращает новую копию DataFrame. Без него вам нужно будет сохранить промежуточные шаги цепочки на другую переменную, прежде чем переназначать столбцы.
# new for pandas 0.21+
df.some_method1()
.some_method2()
.set_axis()
.some_method3()
# old way
df1 = df.some_method1()
.some_method2()
df1.columns = columns
df1.some_method3()
Вы можете вызвать df.columns.str.replace.
df.columns = df.columns.str.replace('gdp', 'log(gdp)')
df
y log(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
Преимущество этого по сравнению с другими методами заключается в том, что вы также можете выполнять замену на основе regex:
df
x1 y1 y2
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
df.columns = df.columns.str.replace(r'y(\d+)$', r'zzzz\1')
df
x1 zzzz1 zzzz2
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