Pandas批量重命名DataFrame列：循环赋值报错及高效实现方案求助

兄弟，你这个问题我太熟悉了！之前从R转Pandas的时候也踩过一模一样的坑——Pandas里的列索引（也就是df.columns）是不可变对象（Immutable Index），所以你直接通过下标df.columns[i] = ...修改单个元素肯定会报错，和R里可以直接修改向量元素的逻辑不一样～

给你几个简单高效的批量重命名方法，完全适配你100列的场景：

方法1：直接赋值整个列名列表（最推荐） #

这是最简单高效的方式，只要你的new_cols_list长度和原DataFrame的列数完全一致，直接整体替换就行：

# 直接覆盖整个列索引
df.columns = new_cols_list

👉 注意：一定要确保len(new_cols_list) == len(df.columns)，不然会抛出长度不匹配的错误。如果怕出错，可以提前加个检查：

assert len(new_cols_list) == len(df.columns), "新列名列表长度和原DataFrame列数不匹配！"
df.columns = new_cols_list

方法2：使用df.rename()配合字典（适合灵活场景） #

如果之后你需要部分替换列名，或者不想直接修改原DataFrame，可以用rename方法。对于全量替换的场景，我们可以用zip把原列名和新列名配对成字典：

# 生成原列名→新列名的映射字典
col_mapping = dict(zip(df.columns, new_cols_list))
# 执行重命名，inplace=True表示修改原DataFrame，否则返回新的DataFrame
df.rename(columns=col_mapping, inplace=True)

如果不想修改原数据，去掉inplace=True，把结果赋值给新变量：

new_df = df.rename(columns=col_mapping)

为什么你的循环会报错？ #

再给你解释下原因：Pandas的Index对象设计成不可变的，目的是保证数据的一致性（避免意外修改列名导致后续操作出错）。所以不能像R里修改向量元素那样，通过下标单个修改Index的元素，必须整体替换或者用官方提供的方法（比如rename）来修改。

举个完整的示例：

import pandas as pd
import numpy as np

# 模拟一个有96列的DataFrame
df = pd.DataFrame(np.random.randn(10, 96))
# 模拟你的新列名列表
new_cols_list = [f"feature_{i}" for i in range(96)]

# 方法1：直接替换列名
df.columns = new_cols_list

# 验证结果
print(df.columns[:5])  # 输出: Index(['feature_0', 'feature_1', 'feature_2', 'feature_3', 'feature_4'], dtype='object')

内容的提问来源于stack exchange，提问作者Jannik732