如何使用pandas重命名名称、顺序均动态变化的文件列名

核心思路是先对列名做统一归一化处理，再和预设的标准列名映射规则匹配，最后按固定标准顺序重排列即可，不受原始列名写法、列序的影响。

代码实现 #

import pandas as pd

# 1. 提前配置规则：可根据自己的业务场景增删调整
# 列名映射：key为归一化后的匹配关键词，value为最终输出的标准列名
col_match_map = {
    "postcode": "PostCode",
    "brand": "brand"
}
# 最终输出的标准列顺序
standard_order = ["PostCode", "brand"]

def norm_col(col_name):
    """列名归一化函数，可根据业务调整规则"""
    # 统一转小写、去除首尾空白
    clean_col = col_name.strip().lower()
    # 处理单复数变体，比如brands→brand
    if clean_col.endswith("s") and clean_col[:-1] in col_match_map:
        clean_col = clean_col[:-1]
    # 其他变体规则可在此扩展，比如去除下划线、中划线：clean_col = clean_col.replace("_", "").replace("-", "")
    return clean_col

# 2. 批量处理文件逻辑
# 替换成你自己的待处理文件路径列表
file_list = ["./file1.csv", "./file2.csv", "./file3.csv"]

for path in file_list:
    # 读取文件
    df = pd.read_csv(path)
    # 按规则重命名列
    df = df.rename(columns=lambda x: col_match_map[norm_col(x)])
    # 按标准顺序重排列，不需要的额外列会自动过滤，要保留多余列可加参数errors="ignore"
    df = df[standard_order]
    # 保存处理后的文件，也可直接覆盖原文件
    df.to_csv(path.replace(".csv", "_standard.csv"), index=False)

效果验证 #

对应你给出的三个示例，处理后都会自动对齐为标准格式：

• 示例1的postcode归一化后匹配到PostCode，brand直接匹配，列序自动调整为标准顺序
• 示例2的PostCode转小写后匹配，brands去掉末尾s后匹配到brand
• 示例3调换列序的情况下，重命名后会按standard_order重新排序，自动对齐标准格式

如果后续出现新的列名写法，只需要在col_match_map里增加对应的匹配规则、或者调整norm_col里的归一化逻辑即可，不需要改主体处理逻辑。

内容的提问来源于stack exchange，提问作者Learner