SAS环境下数据集表头（列名）重命名操作相关咨询

可行性说明 #

完全可以便捷完成多数据集同规则列名重命名操作，仅需定义一次统一的映射规则即可，不需要针对每个数据集单独调整代码。

具体操作指南 #

Python（Pandas环境） #

前置条件：3个数据集已读取为DataFrame对象，示例命名为df1、df2、df3

• 第一步：定义统一的列名映射规则，键为旧列名，值为新列名
• 第二步：将所有待处理数据集放入列表统一遍历处理
• 第三步：调用rename()方法完成批量重命名

示例代码：

import pandas as pd

# 自定义列名映射规则，按需修改即可
col_rename_map = {
    "old_col1": "new_col1",
    "old_col2": "new_col2",
    "old_col3": "new_col3"
}

df_list = [df1, df2, df3]
# 方式1：生成新的处理后数据集列表，不修改原数据
processed_df_list = [df.rename(columns=col_rename_map, inplace=False) for df in df_list]

# 方式2：直接修改原数据集
# for df in df_list:
#     df.rename(columns=col_rename_map, inplace=True)

如果是规则化重命名（比如统一转小写、替换特殊字符、去除前缀后缀），不需要写逐个映射，可直接传入函数处理：

# 示例：所有列名统一转小写，空格替换为下划线
processed_df_list = [df.rename(columns=lambda x: x.lower().replace(" ", "_"), inplace=False) for df in df_list]

R语言环境 #

依赖dplyr、purrr包实现批量处理
示例代码：

library(dplyr)
library(purrr)

# 自定义列名映射规则
col_rename_map <- c(
  new_col1 = "old_col1",
  new_col2 = "old_col2",
  new_col3 = "old_col3"
)

df_list <- list(df1, df2, df3)
# 批量重命名，返回处理后的数据集列表
processed_df_list <- map(df_list, ~ rename(.x, !!!col_rename_map))

# 规则化重命名示例：统一转小写，空格替换为下划线
processed_df_list <- map(df_list, ~ rename_with(.x, ~ tolower(gsub(" ", "_", .x))))

注意事项 #

• 操作前可先校验现有列名：Pandas执行df.columns.tolist()，R执行colnames(df)，避免映射规则写错
• Pandas、dplyr的重命名方法默认会忽略不存在的旧列名，不会触发报错，适配同规则下个别数据集列有差异的场景

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