基于其他数据集的VLOOKUP实现Pandas指定列名批量修改

你需要把ee里除Product_Code之外的所有列名，替换成table4['Period']中的对应值（比如M20改2016/09、M53改2019/06），下面是具体的实现方案，我拆成步骤讲：

第一步：建立旧列名与新值的映射字典 #

首先得把旧列名（如M20这类标识）和table4里的Period值绑定成字典。这里假设table4里有一列存储旧列名（比如叫Column_Code），可以用这段代码生成映射：

# 以table4的Column_Code为键，Period为值生成映射字典
col_mapping = table4.set_index('Column_Code')['Period'].to_dict()

如果旧列名本身就是table4的索引，那更简单：

col_mapping = table4['Period'].to_dict()

第二步：批量替换ee的列名 #

用Pandas的rename()方法就能完成批量替换，推荐用lambda+get()的写法，这样能自动保留Product_Code的原名称，不用额外过滤：

# 有映射的列名替换成对应Period值，没有的（比如Product_Code）保持原样
ee = ee.rename(columns=lambda x: col_mapping.get(x, x))

如果你想更明确地指定只替换非Product_Code的列，也可以这么写：

# 筛选出需要替换的列（排除Product_Code）
cols_to_rename = [col for col in ee.columns if col != 'Product_Code']
# 创建替换字典
rename_dict = {col: col_mapping[col] for col in cols_to_rename}
# 执行列名替换
ee = ee.rename(columns=rename_dict)

实际场景示例 #

假设你的table4数据结构是这样的：

ee的原始列名是['Product_Code', 'M20', 'M53', 'M10']，运行代码后，ee的列名会变成['Product_Code', '2016/09', '2019/06', '2015/11']，完全匹配你的需求。

避坑提示 #

• 要确保table4包含ee所有需要替换的列名，否则会触发KeyError。可以提前检查遗漏：

  missing_cols = [col for col in ee.columns if col != 'Product_Code' and col not in col_mapping]
  if missing_cols:
      print(f"注意：这些列名在table4中找不到对应Period值：{missing_cols}")
  

• 如果table4的Period有重复值，替换后ee会出现重复列名，需要额外处理（比如给重复列加后缀）。

内容的提问来源于stack exchange，提问作者MRHarv