如何利用另一个DataFrame的映射值重命名目标DataFrame的列？

这个需求很常见，我来给你一步步拆解解决方法，先从构造示例数据开始，这样你能直接跟着代码跑通整个流程：

第一步：构造示例DataFrame #

首先我们先把你描述的两个DataFrame用代码还原出来：

import pandas as pd

# 带原始数据的DataFrame，列名为name1、name2、name3
df_data = pd.DataFrame(
    [[123, 456, 678], [123, 456, 678]],  # 两行示例数据，你可以换成自己的真实数据
    columns=['name1', 'name2', 'name3']
)

# 存储列名映射关系的DataFrame，这里假设它有两列：原列名（original）和新列名（new）
df_mapping = pd.DataFrame(
    {'original': ['name2', 'name3', 'name1'],
     'new': ['abc', 'cdf', 'fgh']}
)

第二步：两种修改列名的方法 #

方法一：用rename函数（推荐，不修改原数据） #

先把映射DataFrame转换成原列名→新列名的字典，再用rename函数替换列名。这种方法不会改动原始的df_data，适合需要保留原数据的场景：

# 将映射DataFrame转为字典格式
col_map = df_mapping.set_index('original')['new'].to_dict()

# 生成修改列名后的新DataFrame
df_renamed = df_data.rename(columns=col_map)

# 此时df_renamed的列名就是fgh、abc、cdf，和原数据的列顺序完全对应
print(df_renamed)

输出结果：

fgh  abc  cdf
0  123  456  678
1  123  456  678

方法二：直接赋值columns属性（更简洁，会修改原数据） #

如果你不介意修改原始的df_data，可以直接构造目标列名列表并赋值给df_data.columns：

# 按照df_data原列名的顺序，从映射表中提取对应的新列名
new_col_names = df_mapping.set_index('original').loc[df_data.columns, 'new'].tolist()

# 直接修改原DataFrame的列名
df_data.columns = new_col_names

print(df_data)

输出结果和方法一完全一致。

注意点 #

• 如果你的映射DataFrame列名不是original和new，记得把代码里的对应列名替换成你实际的列名；
• 如果最终需要的列顺序和原DataFrame列顺序不同，修改完列名后可以用df_final = df_renamed[['fgh', 'abc', 'cdf']]手动指定列顺序。

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