如何以Pythonic方式用df.columns.str.replace替换DataFrame列名特殊字符

先还原一下你的场景代码：

>>> df1
  start name  0 score (C) D;     %
0        one  0            0   foo
1        one  1            2   bar
2        two  2            4   foo
3      three  3            6   bar
4        two  4            8   foo
5        two  5           10   bar
6        one  6           12   foo
7      three  7           14   foo

>>> char1 = ["\s+" , "(" , ")" , "%" , ";"]
>>> char2 = ["_" , "" , "", "percent" , ""]

嘿，这个需求很常见，用df.columns.str.replace配合zip()就能很优雅地解决，完全符合Pythonic的风格～

解决方案：循环遍历替换对 #

最直观也最易读的方式就是把char1和char2的对应元素配对，然后依次对列名执行替换：

# 遍历每一组替换规则
for old_char, new_char in zip(char1, char2):
    df1.columns = df1.columns.str.replace(old_char, new_char, regex=True)

执行完后，你的列名会变成：['start_name', '0', 'score_C_D', 'percent']

为什么这是Pythonic的？ #

• 用zip()把两个列表的对应元素打包，逻辑清晰，避免了手动索引的冗余代码
• 循环简洁直接，符合Python"可读性优先"的设计哲学
• 利用Pandas内置的str.replace方法，不需要自己造轮子处理字符串替换

进阶：用reduce实现一行式替换 #

如果你偏爱更紧凑的写法，也可以用functools.reduce()把所有替换操作链式整合：

from functools import reduce

df1.columns = reduce(
    lambda cols, replace_pair: cols.str.replace(*replace_pair, regex=True),
    zip(char1, char2),
    df1.columns
)

不过这种写法虽然简洁，但可读性稍弱一些，日常开发中更推荐第一种循环的方式。

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