Pandas修改JSON导入数据列名时df.rename失效的解决方法

df.rename(columns={"data.datasets":"mydata"})执行后列名无变化，核心原因通常是以下两类：

• pandas的rename方法默认返回修改后的新DataFrame，不会原地修改原对象，既没有将返回值赋值回原变量、也没加inplace=True参数时，修改不会生效
• 列名实际值和你写的映射key不匹配：要么JSON导入后列名带不可见空格/特殊字符，要么嵌套JSON未完全扁平化时列是MultiIndex格式，key为元组而非点分隔字符串

1. 先确认列名真实格式，避免匹配失败
   执行以下代码打印列名的原始格式，可识别隐藏空格、多级索引等问题：

   # 打印所有列的原始表示，可显示不可见的特殊字符/空格
   print([repr(col) for col in df.columns])
   

   • 如果输出中列名是'data.datasets'这类字符串格式，用普通字符串映射即可
   • 如果输出中列名是('data', 'datasets')这类元组格式，说明是多级列，映射时key要传入对应元组
   • 如果列名前后带空格比如' data.datasets '，把完整带空格的内容作为映射key即可

2. 正确执行重命名操作
   两种写法二选一即可：

   # 写法1：将返回的新DataFrame赋值回原变量
   df = df.rename(columns={"data.datasets": "mydata"})
   
   # 写法2：加inplace参数原地修改
   df.rename(columns={"data.datasets": "mydata"}, inplace=True)
   

   如果是多级列的情况，替换映射key即可：

   df = df.rename(columns={("data", "datasets"): "mydata"})
   

3. 附：优化后的完整处理代码（含冗余列清理）
   把重命名、删冗余列的步骤放到重采样前执行，逻辑更清晰，同时简化了冗余的日期处理写法：

   import pandas as pd
   
   # 日期列格式转换
   df["data.date"] = pd.to_datetime(df["data.date"])
   df["date"] = df["data.date"].dt.date
   df["date"] = pd.to_datetime(df["date"])
   
   # 重命名目标列、删除冗余的旧日期列
   df = df.rename(columns={"data.datasets": "mydata"})
   df = df.drop(columns=["data.date"])
   
   # 设置索引、按天重采样取每日第一条数据
   df = df.set_index('date').resample('d').first()
   
   # 筛选2022-05-05到2022-06-05的数据并打印
   print(df.loc['2022-05-05':'2022-06-05'])
   

内容的提问来源于stack exchange，提问作者catlean