如何用Python筛选ROOT文件TTree分支并修改分支名称？

Python环境下优先选用uproot实现该需求，该方案不需要依赖完整ROOT框架，读写效率远高于PyROOT绑定方案，且完全支持你提到的uproot.recreate创建新ROOT文件的操作。

核心实现逻辑 #

你只需要提前构造旧分支名到新分支名的映射字典，仅把需要保留的40个分支纳入映射范围，读取原TTree时只加载目标分支，重命名后直接写入新文件即可，步骤如下：

1. 定义分支映射规则：键为原文件旧分支名，值为修改后的新分支名
2. 读取原ROOT文件内的目标TTree，仅加载映射范围内的分支
3. 按映射关系重命名分支后，写入新ROOT文件的TTree中

可直接运行的示例代码 #

import uproot

# 按需修改为你自己的分支映射规则，仅保留需要的40个分支即可
branch_mapping = {
    "old_branch_1": "new_branch_1",
    "old_branch_2": "new_branch_2",
    # 剩余38个分支的映射关系自行补全
}

# 读取原ROOT文件的TTree，替换为你自己的原文件名和TTree名
with uproot.open("input.root:your_old_tree_name") as old_tree:
    # 仅加载目标分支，避免多余内存占用
    selected_data = old_tree.arrays(filter_name=list(branch_mapping.keys()))
    # 按映射规则重命名分支
    renamed_data = {branch_mapping[old_name]: selected_data[old_name] for old_name in branch_mapping}
    
    # 创建新ROOT文件，写入重命名后的TTree
    with uproot.recreate("output.root") as new_file:
        # 可自行修改新TTree的名称，也可保留和原TTree一致的名称
        new_file["your_new_tree_name"] = renamed_data

特殊场景适配 #

• 如果需要保留原分支的压缩参数、单位、注释等元信息，可在读取时通过old_tree[old_branch].title、old_tree[old_branch].compression等属性取出元信息，写入新文件时传入对应参数即可
• 数据量过大内存不足时，可指定arrays方法的entry_start、entry_stop参数分块读写，逐段写入新TTree

内容的提问来源于stack exchange，提问作者Dizzy