如何通过代码将力板数据集的左右侧字段替换为伤侧/健侧？

假设你的数据集是Pandas DataFrame格式，且包含injured_side字段（记录每个样本的伤侧为left或right），以下是简洁规范的实现方案：

1. 定义映射规则 #

先创建表头替换的映射字典，覆盖全称和缩写场景：

# 左右标识到伤侧/健侧的映射
side_mapping = {
    'left': 'injured',
    'right': 'uninjured',
    'L': 'injured',
    'R': 'uninjured'
}

2. 批量替换表头字段 #

用正则表达式批量处理所有表头，统一替换左右标识：

import re

# 替换表头中的左右标识（不区分大小写）
df.columns = [
    re.sub(r'(left|L)', 'injured', col, flags=re.IGNORECASE)
    for col in df.columns
]
df.columns = [
    re.sub(r'(right|R)', 'uninjured', col, flags=re.IGNORECASE)
    for col in df.columns
]
# 处理合并类字段（如"L/R average"）
df.columns = [
    re.sub(r'L/R', 'injured/uninjured', col, flags=re.IGNORECASE)
    for col in df.columns
]

3. 根据伤侧调整对应数据 #

如果样本伤侧为右侧，需要调换原右脚（现在映射为uninjured）和左脚（现在映射为injured）的数据，确保伤侧数据对应正确字段：

# 筛选出伤侧为右侧的样本
right_injured_mask = df['injured_side'].str.lower() == 'right'

# 匹配伤侧和健侧的对应字段（假设命名规则一致）
injured_cols = sorted([col for col in df.columns if 'injured' in col.lower()])
uninjured_cols = sorted([col for col in df.columns if 'uninjured' in col.lower()])

# 向量化调换数据（比循环高效）
df.loc[right_injured_mask, injured_cols + uninjured_cols] = \
    df.loc[right_injured_mask, uninjured_cols + injured_cols].values

关键注意事项 #

• 必须保证数据集包含injured_side字段，否则无法判断伤侧；
• 如果有无关字段包含left/right，需要调整正则规则避免误替换；
• 向量化操作相比iterrows()循环效率更高，适合大数据集。

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