Pandas按不同列组截取字符重命名列名遇覆盖问题求助

问题场景 #

需要对DataFrame的不同列组按指定规则重命名：

• 前10列：截取列名从第75位开始的字符
• 19-29列：截取列名从第38位开始的字符
  还需处理另外5组类似规则的列，但使用以下代码时，19-29列的重命名操作会错误覆盖前面的列名：

# 处理前10列
new_names = dfr.iloc[:,0:10].rename(columns=lambda x: x[75:]).columns #first 10 columns
dfr.rename(columns=dict(zip(dfr.columns,new_names)),inplace=True)

# 处理19-29列
new_names = dfr.iloc[:,19:29].rename(columns=lambda x: x[38:]).columns #from 19-29 columns
dfr.rename(columns=dict(zip(dfr.columns,new_names)),inplace=True)

错误原因 #

你的代码中，dict(zip(dfr.columns, new_names))是把整个DataFrame的列名列表和仅包含目标列的new_names做配对，这会导致列名映射错位——new_names的长度远小于总列数，zip会循环匹配，最终错误覆盖前面的列名，而不是只修改目标列组。

解决方案 #

正确的思路是：针对每个列组单独生成「原列名→新列名」的映射，将所有规则的映射合并到一个字典中，最后统一执行重命名操作。这样既不会误改其他列，也能轻松扩展更多规则。

实现代码

# 定义所有列组的处理规则：(列索引范围, 截取起始位置)
# 可直接在这里添加另外5组规则
rename_rules = [
    (slice(0, 10), 75),    # 前10列：从第75位开始截取
    (slice(19, 29), 38),   # 19-29列：从第38位开始截取
    # 示例：添加其他规则
    # (slice(30, 40), 20),
    # (slice(50, 60), 15),
]

# 生成统一的重名字典
rename_dict = {}
for col_range, start_pos in rename_rules:
    # 获取当前规则对应的列名
    target_columns = dfr.columns[col_range]
    # 为每个列生成映射
    for col in target_columns:
        rename_dict[col] = col[start_pos:]

# 执行重命名
dfr.rename(columns=rename_dict, inplace=True)

简化写法（字典推导式）

如果追求代码简洁，可以用嵌套字典推导式一次性生成映射：

rename_rules = [
    (slice(0, 10), 75),
    (slice(19, 29), 38),
    # 其他规则
]

rename_dict = {col: col[start] for col_range, start in rename_rules for col in dfr.columns[col_range]}

dfr.rename(columns=rename_dict, inplace=True)

优势说明 #

• 仅修改目标列组，不会影响其他列的名称
• 规则集中管理，添加/修改列组处理逻辑只需更新rename_rules列表
• 避免多次调用rename导致的性能损耗和错误

内容的提问来源于stack exchange，提问作者user16239103