能否在不复制底层数据的前提下重命名pandas DataFrame对象？

直接用pandas内置的重命名方法即可，这类操作本身仅修改轴标签元信息，不会触发全量底层数据复制。

常用实现方式 #

• 不需要保留原DataFrame的列名时，用inplace=True直接修改原对象，完全不涉及底层数据操作：

df.rename(columns={'旧列名1': '新列名1', '旧列名2': '新列名2'}, inplace=True)

• 需要保留原DataFrame时，用默认的inplace=False生成新对象，仅会创建新的DataFrame包装层，底层数据和原对象完全共享，无全量复制开销：

new_df = df.rename(columns={'旧列名1': '新列名1', '旧列名2': '新列名2'})

• 全量替换所有列名时，直接赋值columns属性或用set_axis方法，同样仅修改元信息：

# 直接修改原对象
df.columns = ['新列名1', '新列名2', '新列名3']
# 生成新对象，不修改原对象
new_df = df.set_axis(['新列名1', '新列名2', '新列名3'], axis=1)

注意：如果你使用的pandas版本开启了写时复制（Copy on Write，1.5.0及以上版本默认开启），只有在你后续对重命名后的新DataFrame做数据修改时，才会触发对应修改列的数据复制，单纯的重命名操作永远不会碰到底层数据块。

内容的提问来源于stack exchange，提问作者Maya