如何一次性批量替换DataFrame列名中的多个特殊字符

你当前链式调用多次str.replace()的实现方式会对列名序列做多轮遍历，当列数较多、列名字符较长时存在不必要的性能开销，可以通过以下两种单次处理的方案实现更高效的替换：

方案1：正则单次匹配替换（代码最简洁） #

利用pandas字符串处理的正则支持，把所有待删除的特殊字符放到正则字符集中，仅需一次调用即可完成全部替换：

# 字符集[]内包含所有需要删除的目标特殊字符，-放在末尾避免被识别为范围符
df.columns = df.columns.str.replace(r'[ &/:()-]', '', regex=True)

• 原理：正则字符集[]会匹配集合内的任意单个字符，替换逻辑只需要遍历一次列名字符串即可完成所有目标字符的删除，比链式多次调用少了多轮遍历、多轮字符串拷贝的开销。
• 扩展方便：后续如果需要新增待删除的特殊字符，直接把字符加到[]集合内即可；如果需要把特殊字符统一替换为下划线做列名标准化，只需要把第二个参数的''改成'_'。

方案2：原生字符串转换表（性能最优） #

如果追求极致性能，可以用Python原生字符串的translate方法配合字符映射表，通过列表推导式完成列名处理，没有正则解析的额外开销：

# 定义所有需要删除的特殊字符集合
to_remove = ' -&/:()'
# 构建字符转换映射表，映射表中指定的字符会被直接删除
trans_map = str.maketrans('', '', to_remove)
df.columns = [col.translate(trans_map) for col in df.columns]

• 原理：str.maketrans构建的是C层面的字符映射表，字符串translate方法的执行效率远高于多次字符串替换、甚至高于正则替换，适合列数极多、列名长度大的场景。
• 扩展方便：后续新增待删除字符，直接追加到to_remove字符串中即可。

注意：如果使用正则方案，不要把-放在字符集两个普通字符中间，否则会被正则解析为字符范围标识（比如[a-z]代表匹配a到z的所有小写字母），把-放在字符集的最开头或者最末尾就不需要额外转义。

内容的提问来源于stack exchange，提问作者Deepak