如何在Pandas中保留原列名计算，同时显示/导出直观列标签？

方法1：临时重命名后导出/显示（最直接） #

先定义原列名到直观标签的映射字典，在需要导出CSV或显示时，临时对DataFrame重命名列名——这不会修改原DataFrame的结构，计算代码依然可以沿用原列名。

示例代码：

# 模拟列名无意义的原DataFrame
import pandas as pd
df = pd.DataFrame({'x1': [1,2,3], 'x2': [4,5,6], 'x3': [7,8,9]})

# 定义原列名到直观标签的映射
col_mapping = {
    'x1': '用户ID',
    'x2': '月度消费额',
    'x3': '消费频次'
}

# 代码中继续用原列名完成计算
df['年度总消费'] = df['x2'] * df['x3'] * 12

# 导出CSV时使用直观标签作为列名
df.rename(columns=col_mapping).to_csv('user_spend.csv', index=False)

# 控制台显示时也切换为直观标签
print(df.rename(columns=col_mapping))

方法2：封装辅助函数（适合频繁使用场景） #

如果需要频繁切换显示/导出的列名，可以封装函数避免重复编写重命名逻辑：

def show_with_labels(df, label_map):
    return df.rename(columns=label_map)

def export_with_labels(df, save_path, label_map, **kwargs):
    df.rename(columns=label_map).to_csv(save_path, **kwargs)

# 使用示例
show_with_labels(df, col_mapping)
export_with_labels(df, 'user_spend.csv', col_mapping, index=False)

方法3：用自定义属性统一管理映射（进阶） #

给DataFrame添加自定义属性存储列名映射，方便后续统一调用：

# 给原DataFrame绑定列名映射属性
df.column_labels = {
    'x1': '用户ID',
    'x2': '月度消费额',
    'x3': '消费频次'
}

# 导出时直接调用该属性完成重命名
df.rename(columns=df.column_labels).to_csv('user_spend.csv', index=False)

注意事项 #

• 所有方法均不会修改原DataFrame的列名，因此原有计算代码无需任何改动。
• 若在Jupyter Notebook中希望默认显示直观标签，直接调用show_with_labels函数即可，无需调整全局显示设置。

内容的提问来源于stack exchange，提问作者Economist Learning Python