Pandas修改全正值列列名失效原因及正确实现方法

需求为：判断DataFrame中每列的值，若某列仅包含正值，则在该列列名末尾添加pos后缀。
测试用DataFrame构造代码如下：

import pandas as pd
df = pd.DataFrame([[1, -2, 3, -5, 4 ,2 ,7 ,-8 ,2], [2, -4, 6, 7, -8, 9, 5, 3, 2], [2, 4, 6, 7, 8, 9, 5, 3, 2], [1, 2, 3, 4, 5, 6, 7, 8, 9]]).transpose()
df.columns = ["A", "B", "C", "D"]

构造完成的DataFrame内容：

A  B  C  D
0  1  2  2  1
1 -2 -4  4  2
2  3  6  6  3
3 -5  7  7  4
4  4 -8  8  5
5  2  9  9  6
6  7  5  5  7
7 -8  3  3  8
8  2  2  2  9

最初尝试的失效代码如下，运行无报错但列名未发生实际修改：

pos_idx = df.loc[:, (df>0).all()].columns
df[pos_idx].columns = df[pos_idx].columns + "pos"

作为对比，直接执行全量列名修改代码df.columns = df.columns + "anything"时，可以正常给所有列名追加后缀。

• 直接对df.columns赋值时，操作的是原DataFrame对象自身的列名属性，修改会直接作用在原对象上，因此可以正常生效。
• 执行df[pos_idx]属于链式索引操作，pandas会返回一个全新的DataFrame副本，这个副本和原DataFrame是完全独立的两个对象，不是原对象的引用。此时给这个临时副本的.columns属性赋值，修改的只是临时副本的列名，临时对象在当前代码行执行完就会被回收，根本不会改动原DataFrame的任何属性，因此原df的列名没有任何变化。

pandas官方文档明确说明，链式索引返回的是视图还是副本是不确定的，任何基于链式索引的写操作都不能保证修改原对象，生产环境要尽量避免这种写法。

不要通过筛选子集的方式修改列名，直接基于原DataFrame的columns属性生成新列名，或者用rename方法定向修改目标列即可。

• 方法1：直接替换全量列名，逻辑清晰无副作用

# 筛选所有值全为正的列
pos_cols = df.columns[(df > 0).all()]
# 遍历原列名，符合条件的追加pos后缀
df.columns = [f"{col}pos" if col in pos_cols else col for col in df.columns]

• 方法2：用rename定向修改目标列，不需要遍历全量列

pos_cols = df.columns[(df > 0).all()]
df.rename(columns={col: f"{col}pos" for col in pos_cols}, inplace=True)

执行后C、D两列因为全为正值，列名会被修改为Cpos、Dpos，符合预期。

内容的提问来源于stack exchange，提问作者John