Pandas中如何对DataFrame除Alias外的所有列名应用自定义函数

直接批量处理列名即可实现需求，全程不需要改动DataFrame里的存储数据，仅对列标题做映射转换，有两种常用实现方式，效果完全一致，可以根据自己的编码习惯选择。

• 列表推导式写法：执行效率最高，优先推荐

df.columns = [col if col == "Alias" else func(col) for col in df.columns]

如果后续需要排除多个列，只需要把判断逻辑改成集合匹配即可，扩展非常方便：

# 需要排除多列时用这个版本
exclude_cols = {"Alias"} # 其他要保留原列名的字段直接加进这个集合
df.columns = [col if col in exclude_cols else func(col) for col in df.columns]

• rename 方法写法：适配pandas链式调用场景
  如果你的代码是连续链式调用的风格，不想单独给df.columns赋值，可以用pandas自带的重命名方法，传入判断逻辑即可：

df = df.rename(columns=lambda x: x if x == "Alias" else func(x))

效果验证 #

拿样例数据做测试，假设自定义的func作用是把传入的字符串转为全小写：

def func(string):
    # 这里替换成你自己的字符串处理逻辑即可
    return string.lower()

执行上述重命名代码后，得到的新列名如下：

['value_number', 'Alias', 'ts_ns', ..., 'final_column']

可以看到只有Alias列保留了原始名称，其余所有列标题都正确应用了定义好的字符串处理函数，符合预期。

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