如何在Polars中通过方法链修改列名且不新增列？

你遇到的问题是使用with_columns配合name.map时，会保留原列并新增修改后的列，导致列数翻倍，而你需要直接替换原有列名且全程用方法链完成。

问题重现 #

原代码及错误结果：

import polars as pl

df = pl.DataFrame(
    {"A (%)": [1, 2, 3], "B": [4, 5, 6], "C (Euro)": ["abc", "def", "ghi"]}
).with_columns(
    pl.all().name.map(
        lambda c: c.replace(" ", "_")
        .replace("(%)", "pct")
        .replace("(Euro)", "euro")
        .lower()
    )
)
df.head()

错误输出（6列，保留原列）：

shape: (3, 6)
┌───────┬─────┬──────────┬───────┬─────┬────────┐
│ A (%) ┆ B   ┆ C (Euro) ┆ a_pct ┆ b   ┆ c_euro │
│ ---   ┆ --- ┆ ---      ┆ ---   ┆ --- ┆ ---    │
│ i64   ┆ i64 ┆ str      ┆ i64   ┆ i64 ┆ str    │
╞═══════╪═════╪══════════╪═══════╪═════╪════════╡
│ 1     ┆ 4   ┆ "abc"    ┆ 1     ┆ 4   ┆ "abc"  │
│ 2     ┆ 5   ┆ "def"    ┆ 2     ┆ 5   ┆ "def"  │
│ 3     ┆ 6   ┆ "ghi"    ┆ 3     ┆ 6   ┆ "ghi"  │
└───────┴─────┴──────────┴───────┴─────┴────────┘

预期输出（3列，替换原列名）：

shape: (3, 3)
┌───────┬─────┬────────┐
│ a_pct ┆ b   ┆ c_euro │
│ ---   ┆ --- ┆ ---    │ 
│ i64   ┆ i64 ┆ str    │
╞═══════╪═════╪════════╡
│ 1     ┆ 4   ┆ "abc"  │
│ 2     ┆ 5   ┆ "def"  │
│ 3     ┆ 6   ┆ "ghi"  │
└───────┴─────┴────────┘

解决方案 #

原因是with_columns的作用是新增列，而非修改原有列名。要实现直接替换列名，有两种方法：

方法1：使用rename配合自定义函数

rename方法可以接收一个函数，批量对所有列名进行转换，直接替换原有列名，不新增列：

import polars as pl

df = pl.DataFrame(
    {"A (%)": [1, 2, 3], "B": [4, 5, 6], "C (Euro)": ["abc", "def", "ghi"]}
).rename(
    lambda c: c.replace(" ", "_")
    .replace("(%)", "pct")
    .replace("(Euro)", "euro")
    .lower()
)
print(df.head())

方法2：使用select配合name.map

select会重新选择所有列，并通过name.map修改列名，替换原有的列集合：

import polars as pl

df = pl.DataFrame(
    {"A (%)": [1, 2, 3], "B": [4, 5, 6], "C (Euro)": ["abc", "def", "ghi"]}
).select(
    pl.all().name.map(
        lambda c: c.replace(" ", "_")
        .replace("(%)", "pct")
        .replace("(Euro)", "euro")
        .lower()
    )
)
print(df.head())

两种方法都能在方法链中完成操作，且得到你预期的3列结果。

内容的提问来源于stack exchange，提问作者Vega