如何通过字典映射重命名DataFrame列，无匹配时保留原列名？

原始数据与映射表 #

首先定义原始数据框：

import pandas as pd

dfData = pd.DataFrame({
    'A1':['1','2'],
    'B1':['1','2'],
    'C1':['1','2'],
    'D1':['1','2']
})

输出：

定义列名映射表：

dfMap = pd.DataFrame({
    'dfDataCol':['A1','B1','C1',''],
    'NewCol'   :['A2','B2','C2','D2']
})

输出：

原方法问题 #

原代码将映射表转为字典后用map处理列名，未匹配的列名会变成NaN：

dict1 = dfMap.set_index('dfDataCol').to_dict()['NewCol']
dfData.columns = dfData.columns.map(dict1)

输出结果：

解决方案 #

方法1：使用columns.replace() #

replace方法会自动保留未匹配的列名，同时先过滤掉映射表中空的无效键：

# 过滤映射表中空的dfDataCol行，转为字典
dict1 = dfMap[dfMap['dfDataCol'] != ''].set_index('dfDataCol')['NewCol'].to_dict()
# 替换列名
dfData.columns = dfData.columns.replace(dict1)

方法2：map结合dict.get() #

利用字典的get方法，指定未找到键时返回原列名：

dict1 = dfMap[dfMap['dfDataCol'] != ''].set_index('dfDataCol')['NewCol'].to_dict()
# 用lambda函数处理，匹配不到则返回原列名
dfData.columns = dfData.columns.map(lambda col: dict1.get(col, col))

最终结果 #

两种方法都能得到期望的输出：

内容的提问来源于stack exchange，提问作者Laucrimus