合并同名列的两个Series后如何重命名Pandas DataFrame列

你遇到的问题根源在于两个Series的列名完全相同，合并后DataFrame的列标签是重复的，使用列名映射重命名时会匹配所有同名列，导致同时修改。以下是几种可行的解决方法：

方法一：合并时直接指定列名（推荐） #

在合并前先给每个Series重命名，或者利用concat的keys参数直接设置列名：

# 方式1：合并前重命名Series
z = pd.concat([x.rename('Start'), y.rename('End')], axis=1)

# 方式2：使用concat的keys参数
z = pd.concat([x, y], axis=1, keys=['Start', 'End'])
# 若不需要多层列索引，可转为单层
z.columns = z.columns.get_level_values(0)

方法二：合并后直接赋值列名 #

如果确定合并后的列顺序是x在前、y在后，直接给columns属性赋值新名称即可：

z = pd.concat([x, y], axis=1)
z.columns = ['Start', 'End']

方法三：通过位置映射重命名 #

如果需要保留原有列名逻辑，也可以结合列的位置进行重命名：

z = pd.concat([x, y], axis=1)
z = z.rename(columns={z.columns[i]: name for i, name in enumerate(['Start', 'End'])})

为什么原方法失效？ #

原代码中z.columns[0]返回的是字符串'Timestamp'，而rename的列映射会匹配所有等于该字符串的列，因此两列会被同时重命名为'Start'，无法区分。

内容的提问来源于stack exchange，提问作者Niro Mal