当然可以实现！这种用配置文件管理列映射的方式特别适合需要灵活调整列名的场景，尤其是当映射关系经常变化的时候。下面是具体的实现步骤和示例代码：

核心思路 #

你的YAML配置是新列名对应多个旧列名的结构，但Pandas的rename()方法需要的是旧列名到新列名的映射字典（{old_col: new_col}）。所以我们只需要把YAML里的结构反转一下，构建出符合Pandas要求的映射关系即可。

具体实现步骤 #

1. 准备YAML配置文件 #

先把你的配置整理成正确的YAML格式（注意缩进，YAML对缩进规则很敏感），保存为column_mappings.yaml：

mappings:
  new_column_name1:
    - old_name_1
    - old_name_2
    - old_name_3
    - old_name_4
  new_column_name2:
    - old_name_5
    - old_name_6
    - old_name_7
    - old_name_8

2. 安装依赖库 #

如果还没安装pyyaml和pandas，先执行以下安装命令：

pip install pyyaml pandas

3. 编写Python脚本实现重命名 #

下面是完整的示例代码，包含读取YAML、构建映射、重命名DataFrame的全过程：

import yaml
import pandas as pd

# 1. 读取YAML配置文件
with open('column_mappings.yaml', 'r') as f:
    config = yaml.safe_load(f)

# 2. 构建Pandas需要的重名字典：{旧列名: 新列名}
rename_mapping = {}
for new_col, old_cols in config['mappings'].items():
    for old_col in old_cols:
        rename_mapping[old_col] = new_col

# 3. 创建示例DataFrame
df = pd.DataFrame({
    'old_name_1': [1, 3, 6],
    'old_name_6': [4, 6, 31]
})

# 4. 执行重命名
renamed_df = df.rename(columns=rename_mapping)

# 查看结果
print("原DataFrame:")
print(df)
print("\n重命名后的DataFrame:")
print(renamed_df)

4. 运行结果 #

执行脚本后会输出：

原DataFrame:
   old_name_1  old_name_6
0           1           4
1           3           6
2           6          31

重命名后的DataFrame:
   new_column_name1  new_column_name2
0                 1                 4
1                 3                 6
2                 6                31

额外说明 #

• 如果你的DataFrame里有一些旧列名不在YAML的映射列表中，rename()方法会自动保留这些列的原名称，不会做任何修改。
• 如果需要对未映射的列做特殊处理（比如删除），可以在重命名后添加对应的逻辑，例如：

  # 删除未在映射中的列
  cols_to_keep = list(rename_mapping.values())
  renamed_df = renamed_df[cols_to_keep]
  

内容的提问来源于stack exchange，提问作者jovicbg