如何根据另一DataFrame的ID映射批量重命名pandas列

不需要手动编写重命名字典，直接通过df2自动生成映射规则即可，全流程可复用，适配任意数量的sector映射场景。

实现步骤 #

1. 从df2生成ID值到真实名称的查找映射
   直接基于df2的两列生成字典，替代手动录入的映射关系：

   # 构建id -> 真实名称的查找表
   id_name_map = dict(zip(df2["id"], df2["real names"]))
   

2. 自动识别df1中的ID类列，生成重命名规则
   遍历df1所有列，自动匹配id+数字格式的ID列，跳过randomcol这类非ID列，仅对存在有效映射的ID列生成重命名对应关系：

   rename_dict = {}
   for col in df1.columns:
       # 判定是否为id开头+数字后缀的ID类列
       if col.startswith("id") and col[2:].isdigit():
           current_id = int(col[2:])
           # 仅保留df2中存在对应名称的ID映射
           if current_id in id_name_map:
               rename_dict[col] = id_name_map[current_id]
   

3. 执行重命名
   和手动传字典的调用方式完全一致：

   df1_renamed = df1.rename(columns=rename_dict, errors="raise")
   

简洁写法（字典推导式版本） #

如果偏好更短的代码，可以直接用字典推导式一次性生成重命名规则：

id_name_map = dict(zip(df2["id"], df2["real names"]))
rename_dict = {
    col: id_name_map[int(col[2:])]
    for col in df1.columns
    if col.startswith("id") 
    and col[2:].isdigit() 
    and int(col[2:]) in id_name_map
}
df1_renamed = df1.rename(columns=rename_dict)

可选校验逻辑 #

如果需要严格校验是否有ID列缺失对应名称，可以加一段检查逻辑提前抛出异常，避免漏匹配：

# 提取所有ID类列
all_id_cols = [col for col in df1.columns if col.startswith("id") and col[2:].isdigit()]
# 找出没有对应名称的ID
missing_match = [int(col[2:]) for col in all_id_cols if int(col[2:]) not in id_name_map]
if missing_match:
    raise ValueError(f"以下ID未在df2中匹配到对应真实名称：{missing_match}")

方案优势 #

• 自动保留非ID类列，不需要额外配置过滤规则
• 只要df2中维护全ID和真实名称的映射关系，不管涉及多少个sector，代码都可以直接复用，不需要手动修改映射字典
• 默认不会因为存在未匹配的ID列触发报错，也可以通过可选校验逻辑实现严格匹配

内容的提问来源于stack exchange，提问作者Rafael