如何更优雅地实现pandas dataframe列名的规范化清洗？

优化后的简洁高效实现 #

你原有实现的逻辑是对的，可直接用pandas内置的矢量化字符串操作替代循环，代码更简洁，性能也更高，尤其适合列数较多的场景：

def clean_columns(dataframe):
    dataframe.columns = dataframe.columns.str.lower().str.replace(" ", "_")
    return dataframe

效果和你原有实现完全一致，测试示例如下：

[In] print(dataframe.columns)
[Out] Index(['Daily Foo', 'Weekly Bar'])

[In] dataframe = clean_columns(dataframe)
[In] print(dataframe.columns)
[Out] Index(['daily_foo', 'weekly_bar'])

进阶通用版本（适合更复杂的列名场景） #

如果后续遇到列名包含多个连续空格、横杠、括号等其他特殊字符的场景，可以用正则做更全面的规范化，适配数据库的字段名要求：

import re

def clean_columns(dataframe):
    # 处理逻辑：转小写 -> 所有非字母/数字/中文的连续字符替换为单个下划线 -> 去除首尾下划线
    dataframe.columns = [
        re.sub(r"[^a-z0-9\u4e00-\u9fa5]+", "_", col.lower()).strip("_") 
        for col in dataframe.columns
    ]
    return dataframe

这个版本可以处理类似 Daily Foo-2024(营收)这类不规范列名，输出为daily_foo_2024_营收，避免导入数据库时出现特殊字符报错。

原有实现的可优化点 #

• 循环逐列调用rename的开销较高，列数较多时性能远低于批量处理列名的方式
• inplace=True属于pandas不推荐的写法，存在隐性修改原数据的风险，直接赋值给columns属性更清晰可控

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