Python函数中DataFrame添加列生效但重命名列失效的原因

问题出在Pandas方法的操作方式差异以及Python变量引用的逻辑上：

1. 添加列是原地修改
   df["col3"] = np.nan 属于直接对原DataFrame对象进行的原地修改操作——你通过df = dict1["df"]拿到了原DataFrame的引用，修改这个引用指向的对象时，字典里存储的原DataFrame也会跟着变化，所以外部能看到新增的col3。

2. rename默认返回新对象
   df.rename(columns={"col1":"new_col1"}) 默认不会修改原DataFrame，而是创建并返回一个全新的DataFrame对象。你把这个新对象赋值给了局部变量df，但字典里的dict1["df"]仍然指向原来的那个未被重命名的DataFrame，所以外部看不到重命名的效果。

两种解决方法 #

方法1：使用inplace=True让rename原地修改 #

修改重命名代码，让操作直接作用于原对象：

import pandas as pd
import numpy as np

def func():
    list1= [
             {"item":1, "df":pd.DataFrame(columns=["col1","col2"])},
             {"item":2, "df":pd.DataFrame(columns=["col1","col2"])}
           ]
    for dict1 in list1:
        df = dict1["df"]
        df["col3"] = np.nan
        df.rename(columns={"col1":"new_col1"}, inplace=True)  # 添加inplace=True
    
    return list1

方法2：将新对象重新赋值回字典 #

把rename返回的新DataFrame替换字典里原来的引用：

import pandas as pd
import numpy as np

def func():
    list1= [
             {"item":1, "df":pd.DataFrame(columns=["col1","col2"])},
             {"item":2, "df":pd.DataFrame(columns=["col1","col2"])}
           ]
    for dict1 in list1:
        df = dict1["df"]
        df["col3"] = np.nan
        df = df.rename(columns={"col1":"new_col1"})
        dict1["df"] = df  # 将新对象赋值回字典
    
    return list1

验证结果 #

修改后调用函数，输出会变为：

print(func()[0]["df"])
# 输出:
Empty DataFrame
Columns: [new_col1, col2, col3]
Index: []

内容的提问来源于stack exchange，提问作者Somanshu Prasad