如何在pandas方法链式调用中使用rename正确修改列名

你之前的rename写法失效的核心原因是：当给rename的columns参数传入匿名函数时，函数接收的输入是单个列名（此处pivot后是MultiIndex的元组），而非整个DataFrame，所以在函数内调用x.columns会直接报错。

有两种简单的实现方式，都可以完美嵌入链式调用：

方式1：直接传入列名处理函数（更简洁） #

因为pivot+reset_index后所有列都是二元组结构，直接对每个列元组做判断处理即可：

import pandas as pd
import numpy as np

df = pd.DataFrame({'ID':[1,2,2,3,3,3], 'date': ['2021-10-12','2021-10-16','2021-10-15','2021-10-10','2021-10-19','2021-10-01'], 
                   'location':['up','up','down','up','up','down'], 
                   'code':[False, False, False, True, False, False]})

df = (df
     .assign(date = lambda x: pd.to_datetime(x.date))
     .assign(entries_per_ID = lambda x: x.groupby('ID').ID.transform('size'))
     .pivot_table(values=['entries_per_ID'], index=['ID','date','code'],
                   columns=['location'], aggfunc=np.max)
     .reset_index()
     .rename(columns=lambda col: col[0] if col[1] == '' else '_'.join(col).strip())
     )

方式2：用pipe获取全量DataFrame后修改（和你原有赋值逻辑完全一致） #

如果需要先拿到完整的列列表再做批量映射，可以用pipe拿到中间状态的整个DataFrame，再做重命名：

df = (df
     .assign(date = lambda x: pd.to_datetime(x.date))
     .assign(entries_per_ID = lambda x: x.groupby('ID').ID.transform('size'))
     .pivot_table(values=['entries_per_ID'], index=['ID','date','code'],
                   columns=['location'], aggfunc=np.max)
     .reset_index()
     .pipe(lambda temp_df: temp_df.rename(columns=dict(zip(temp_df.columns, ['_'.join(col).strip() if col[1]!='' else col[0] for col in temp_df.columns.values]))))
     )

两种方式最终得到的列名都和你单独赋值的结果完全一致：['ID', 'date', 'code', 'entries_per_ID_down', 'entries_per_ID_up']。

内容的提问来源于stack exchange，提问作者corianne1234