Pandas中用字典映射重命名列名出错，如何正确实现？

原代码的错误点 #

• 你将列名转为小写后，用它去匹配字典的原大小写键，导致col in columns.keys()判断永远不成立，直接进入else分支保留转小写后的列名。
• 内层循环遍历所有字典键做替换属于冗余逻辑，完全没必要，反而打乱了匹配规则，生成了不符合预期的名称。
• 未考虑DataFrame中存在重复列名的情况，错误的去重判断导致部分列名未被正确映射。

正确实现方式 #

方式1：用Pandas内置的rename方法（最简洁） #

Pandas的rename方法原生支持传入字典映射列名，无需手动写循环：

# 直接修改原DataFrame
df.rename(columns=columns, inplace=True)

# 或者生成新的DataFrame（推荐，避免修改原数据）
new_df = df.rename(columns=columns)

方式2：生成新列名列表（满足你想用df.columns = 新列表的需求） #

如果一定要手动生成列名列表，可以用字典的get方法快速匹配：

new_column_names = [columns.get(col, col) for col in df.columns]
df.columns = new_column_names

这个列表推导式的逻辑是：遍历每一列名，若在字典中存在对应映射则替换，否则保留原列名，同时自动处理重复列名的情况。

补充：解决map方法返回NaN的问题 #

你之前用df.columns.to_series().map(columns)得到NaN，是因为字典中没有匹配的列名（比如id）会被映射为NaN。解决这个问题可以结合fillna或者用replace方法：

# 方法1：map + fillna
new_cols = df.columns.to_series().map(columns).fillna(df.columns.to_series())

# 方法2：直接用replace
new_cols = df.columns.to_series().replace(columns)

# 赋值给DataFrame列名
df.columns = new_cols

原代码错误结果的原因 #

1. 列名转小写后与字典键（原大小写）不匹配，导致所有列名都走else分支保留小写名称，仅错误的内层循环偶然生成了new_name1这种不符合预期的名称。
2. 内层循环的替换逻辑完全错误，且错误的去重判断导致重复的oldname1列未被正确映射，最终得到混乱的列名列表。

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