Python/Pandas批量重命名Unnamed开头列为1960-2019年份

核心逻辑是遍历列名，保留非Unnamed开头的原有列名，对匹配到的Unnamed列按顺序替换为对应年份即可，具体实现如下：

• 前置校验：先确认待替换列的数量和年份序列长度匹配，避免列名错位
• 列名替换：遍历所有列名，按规则生成新列名列表后整体赋值给DataFrame的columns属性
• 结果校验：替换完成后打印前几行数据确认列名符合预期

代码实现 #

import pandas as pd

# df为你读取完成的待处理DataFrame
# 第一步：生成1960到2019的年份序列，range左闭右开，结束值传2020
year_sequence = list(range(1960, 2020))

# 第二步：校验待替换列数量
unnamed_count = sum(1 for col in df.columns if str(col).startswith("Unnamed:"))
if unnamed_count != len(year_sequence):
    raise ValueError(f"待替换Unnamed列数量为{unnamed_count}，和年份序列长度{len(year_sequence)}不匹配，请调整年份范围")

# 第三步：构造新列名
new_columns = []
year_pointer = 0
for col in df.columns:
    if str(col).startswith("Unnamed:"):
        new_columns.append(year_sequence[year_pointer])
        year_pointer += 1
    else:
        new_columns.append(col)

# 第四步：替换列名
df.columns = new_columns

极简写法（不需要前置校验时使用） #

如果已经确认列数量完全匹配，可以用更短的代码实现：

year_iter = iter(range(1960, 2020))
df.columns = [next(year_iter) if str(col).startswith("Unnamed:") else col for col in df.columns]

提示：如果读取文件时就不希望生成Unnamed开头的列，可以在pd.read_excel()/pd.read_csv()时根据实际表结构传入header参数指定表头行，从源头避免无表头列被自动命名为Unnamed的问题。

相关数据示例：

内容的提问来源于stack exchange，提问作者Oskar