如何重命名Pandas DataFrame首列？多种尝试均未成功

核心问题 #

你创建NewDf时，默认生成的列名是整数类型的0，而非字符串'0'，所以用rename(columns={'0':'date'})无法匹配到目标列；另外部分修改操作未设置inplace=True或重新赋值，导致修改不生效。

修复步骤 #

1. 优化DataFrame创建（推荐）

直接在创建NewDf时指定列名，从根源避免列名修改问题：

def Walmart(data,stateAbb):
    # 将datebucket移到函数内部，避免多次调用累积数据
    datebucket=[]
    Walmart_df=pd.DataFrame(data)
    Walmart_df=Walmart_df[Walmart_df['STRSTATE']== stateAbb]

    date=Walmart_df.sort_values(by='date_super').groupby(['STRSTATE','date_super'])['date_super']
    test=date.first().index
    for i in test:
        datebucket.append(i[1])

    cumsum=Walmart_df.groupby(['STRSTATE','date_super']).count()['storenum']
    # 创建时直接指定列名为'date'
    NewDf=pd.DataFrame({'date': datebucket}, index=cumsum)   
    NewDf.index.names = ['cumsum']

    NewDf.dropna(inplace=True)
    display(NewDf)

Walmart(df,'TX') 

2. 修正原有rename操作

如果要保留原有创建逻辑，修改rename的匹配方式并确保修改生效：

def Walmart(data,stateAbb):
    datebucket=[]
    Walmart_df=pd.DataFrame(data)
    Walmart_df=Walmart_df[Walmart_df['STRSTATE']== stateAbb]

    date=Walmart_df.sort_values(by='date_super').groupby(['STRSTATE','date_super'])['date_super']
    test=date.first().index
    for i in test:
        datebucket.append(i[1])

    cumsum=Walmart_df.groupby(['STRSTATE','date_super']).count()['storenum']
    NewDf=pd.DataFrame(datebucket,cumsum)   
    NewDf.index.names = ['cumsum']

    # 针对整数列名0进行修改，同时设置inplace=True
    NewDf.rename(columns={0:'date'}, inplace=True)
    # 或者直接替换列名（二选一即可）
    # NewDf.columns = ['date']

    NewDf.dropna(inplace=True)
    display(NewDf)

Walmart(df,'TX') 

额外注意点 #

• 把datebucket定义移到函数内部，避免多次调用Walmart函数时，列表累积之前的数据导致结果错误。
• dropna()需要设置inplace=True或者重新赋值给NewDf（NewDf = NewDf.dropna()），否则不会删除缺失值。

内容的提问来源于stack exchange，提问作者Milan