Python pandas中使用自定义函数重命名DataFrame列名的实现方法

你现有的自定义函数可以直接配合map()使用，不需要手动单独引用单个列名，map()会自动遍历每一个列名，依次传入处理函数完成批量修改。

完整实现示例 #

import pandas as pd

# 构造示例DataFrame，替换为你自己的DataFrame对象即可
df = pd.DataFrame(columns=['AH_AP','AH_AS','XX_YY'])

# 你自定义的列名处理函数，参数名调整为col_name更符合语义，不修改也不影响正常运行
def rejig_col_names(col_name):
    elements_of_header = col_name.split('_')
    new_title = elements_of_header[-1] + "_" + elements_of_header[0]
    return new_title

# 批量应用函数修改列名，直接赋值即可生效
df.columns = df.columns.map(rejig_col_names)

更简洁的简写方式 #

如果不想单独定义处理函数，也可以直接用lambda表达式实现相同效果：

# 适配2段分隔的列名
df.columns = df.columns.map(lambda x: x.split('_')[1] + '_' + x.split('_')[0])

# 通用写法，适配下划线分隔部分大于2的场景，直接反转所有分隔片段后拼接
df.columns = df.columns.map(lambda x: '_'.join(x.split('_')[::-1]))

补充说明 #

如果修改前想先预览效果，避免改错，可以先执行打印命令查看处理后的列名：

print(df.columns.map(rejig_col_names))

确认输出符合预期后再执行赋值操作即可。

内容的提问来源于stack exchange，提问作者GlassShark1