如何在Pandas DataFrame中复制并重命名指定列？

针对你的需求，无需循环遍历或手动删除列，用Pandas原生方法可以直接构造目标DataFrame，以下是两种简洁方案：

方案一：字典构造+assign追加列 #

直接通过字典生成映射后的列，再用assign保留values列：

table_name = 'table_1'
mapping = mapping_dict[table_name]

# 生成映射后的列字典（自动处理同一原列映射多个新列的情况）
mapped_columns = {new_col: df[old_col] for new_col, old_col in mapping.items()}
# 构造新DataFrame并追加values列
new_df = pd.DataFrame(mapped_columns).assign(values=df['values'])

方案二：pd.concat批量重命名拼接 #

用列表推导式生成重命名后的Series，再通过pd.concat拼接所有列：

table_name = 'table_1'
mapping = mapping_dict[table_name]

new_df = pd.concat(
    # 遍历映射生成重命名后的Series
    [df[col].rename(new_col) for new_col, col in mapping.items()]
    # 追加原values列
    + [df['values']],
    axis=1
)

方案优势 #

• 无需复制整个原DataFrame，仅按需提取需要的列，内存效率更高
• 天然支持同一原列映射多个新列的场景（如dt_start和dt_end都映射自B）
• 代码更紧凑，完全基于Pandas原生向量化操作逻辑，可读性更强

运行以上代码后，new_df将完全符合你给出的预期输出，针对table_2只需替换table_name参数即可复用。

内容的提问来源于stack exchange，提问作者Ralubrusto