Pandas如何提取列名中.s__后的内容重命名DataFrame列

问题场景 #

现有如下结构的pandas DataFrame，列名是按分类层级拼接的微生物分类字符串：

import pandas as pd

data = pd.DataFrame({
    "k__Bacteria.p__Proteobacteria.c__Gammaproteobacteria.o__Aeromonadales.f__Aeromonadaceae.g__Aeromonas.s__Aeromonas_dhakensis": [123, 1234, 543, 2133],
    "k__Bacteria.p__Firmicutes.c__Clostridia.o__Clostridiales.f__Lachnospiraceae.g__Faecalicatena.s__Faecalicatena_orotica": [543, 324, 234, 652]
})

单条列名格式示例：

k__Bacteria.p__Proteobacteria.c__Gammaproteobacteria.o__Aeromonadales.f__Aeromonadaceae.g__Aeromonas.s__Aeromonas_dhakensis

需求为提取每个列名中.s__之后的字符串作为新列名，完成列重命名操作。

实现方法 #

直接对列名做字符串分割即可，一行代码就能完成重命名：

# 方法1：列表推导式写法，执行效率更高
data.columns = [col.split(".s__")[-1] for col in data.columns]

如果偏好pandas原生的字符串向量化操作，也可以使用下面的写法，最终效果完全一致：

# 方法2：pandas str向量化写法
data.columns = data.columns.str.split(".s__").str[-1]

效果验证 #

执行重命名后，输出data.columns可以看到新列名如下：

Index(['Aeromonas_dhakensis', 'Faecalicatena_orotica'], dtype='object')

注：这类微生物分类名的格式固定，.s__标记仅会在列名末尾对应物种层级的位置出现一次，取分割结果的最后一段不会出现匹配错误的问题。

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