如何在Pandas中将列名pd.NaT重命名为customer_name？

方案1：从源头避免生成pd.NaT列名 #

执行reset_index时直接给原索引指定目标列名，一步到位：

df = df.reset_index(name="customer_name")

这是最稳妥的方式，完全跳过生成pd.NaT列名的步骤。

方案2：精准匹配缺失值类型列名 #

pd.NaT属于时间类型缺失值，直接用pd.NaT当字典键可能因类型匹配问题失效，改用pd.isna()判断列名是否为缺失值：

df = df.rename(columns=lambda x: "customer_name" if pd.isna(x) else x)

这种方式只会匹配缺失值类型的列名，不会影响其他正常列。

方案3：通过列位置索引重命名 #

如果知道pd.NaT列的位置（比如是第一列），直接替换对应位置的列名：

# 假设pd.NaT是第1列（索引0）
df.columns = ["customer_name"] + list(df.columns[1:])

完全绕过类型匹配问题，精准修改目标列。

原方法失效的原因 #

pd.NaT是特殊的缺失值对象，直接用它作为字典键时，哈希匹配不稳定，甚至会误匹配其他含缺失值逻辑的列名，导致影响无关列。上面的方案从源头、精准判断、位置定位三个角度解决了这个问题。

内容的提问来源于stack exchange，提问作者Mehmaam