如何在Pandas中批量重命名指定列为同一名称？

这个问题我之前实操时也踩过坑！Pandas的列索引（Index对象）是不可变类型，所以直接通过切片赋值df.columns[1::3] = ['SomeName']会触发TypeError("Index does not support mutable operations")，下面给你几个实用的解决方案，不用手动逐个修改：

方法1：将列索引转为列表后修改（最直观） #

先把不可变的Index转成可变的列表，修改目标位置的元素后再重新赋值给df.columns：

import pandas as pd
df = pd.read_csv('New.csv')

# 将列索引转为列表
cols = df.columns.tolist()
# 遍历从索引1开始的每第3列，修改列名
for i in range(1, len(cols), 3):
    cols[i] = 'SomeName'
# 重新赋值列索引
df.columns = cols

方法2：用df.rename()结合字典推导式（简洁优雅） #

通过字典推导式生成「原列名→新列名」的映射，再传给rename()方法，适合需要明确映射关系的场景：

import pandas as pd
df = pd.read_csv('New.csv')

# 生成重名字典：目标列都映射到'SomeName'
rename_map = {col: 'SomeName' for col in df.columns[1::3]}
# 执行重命名（inplace=True可直接修改原DataFrame）
df.rename(columns=rename_map, inplace=True)

方法3：利用numpy数组修改（高效批量操作） #

把列索引转为可变的numpy数组，直接切片赋值后再转回列索引：

import pandas as pd
df = pd.read_csv('New.csv')

# 转为numpy数组（可变类型）
cols_array = df.columns.to_numpy()
# 批量修改指定切片位置的列名
cols_array[1::3] = 'SomeName'
# 重新赋值列索引
df.columns = cols_array

小提示 #

• 如果你的Pandas版本≥2.0，也可以用df.set_axis()配合列表推导式实现，但本质和方法1类似；
• 注意：如果多个列重命名为同一名称，后续操作时通过列名取值会返回多列的DataFrame，而不是单一列，这一点要留意哦！

内容的提问来源于stack exchange，提问作者user96564