问题:重命名熊猫中的特定列
我有一个名为的数据框data
。如何重命名唯一的一列标题?例如gdp
到log(gdp)
?
data =
y gdp cap
0 1 2 5
1 2 3 9
2 8 7 2
3 3 4 7
4 6 7 7
5 4 8 3
6 8 2 8
7 9 9 10
8 6 6 4
9 10 10 7
回答 0
data.rename(columns={'gdp':'log(gdp)'}, inplace=True)
在rename
它接受一个字典作为一个PARAM演出columns
,所以你只是传递一个字典一次入境。
另请参阅相关
回答 1
list-comprehension
如果您需要重命名单个列,则将使用更快的实现。
df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]
如果需要重命名多个列,请使用以下条件表达式:
df.columns = ['log(gdp)' if x=='gdp' else 'cap_mod' if x=='cap' else x for x in df.columns]
或者,使用a构造映射dictionary
并通过将默认值设置为旧名称来list-comprehension
对其执行get
操作:
col_dict = {'gdp': 'log(gdp)', 'cap': 'cap_mod'} ## key→old name, value→new name
df.columns = [col_dict.get(x, x) for x in df.columns]
时间:
%%timeit
df.rename(columns={'gdp':'log(gdp)'}, inplace=True)
10000 loops, best of 3: 168 µs per loop
%%timeit
df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]
10000 loops, best of 3: 58.5 µs per loop
回答 2
如何重命名熊猫中的特定列?
从v0.24 +起,要一次重命名一列(或多列),
DataFrame.rename()
用axis=1
或axis='columns'
(该axis
参数是在v0.21
。Index.str.replace()
用于基于字符串/正则表达式的替换。
如果您需要一次重命名所有列,
DataFrame.set_axis()
的方法axis=1
。传递类似列表的序列。选项也可用于就地修改。
rename
与 axis=1
df = pd.DataFrame('x', columns=['y', 'gdp', 'cap'], index=range(5))
df
y gdp cap
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
使用0.21+,您现在可以使用来指定axis
参数rename
:
df.rename({'gdp':'log(gdp)'}, axis=1)
# df.rename({'gdp':'log(gdp)'}, axis='columns')
y log(gdp) cap
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
(请注意,rename
默认情况下它不是就地的,因此您需要将结果分配回去。)
进行此添加是为了提高与其他API的一致性。新axis
参数类似于该columns
参数,它们执行相同的操作。
df.rename(columns={'gdp': 'log(gdp)'})
y log(gdp) cap
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
rename
还接受为每个列调用一次的回调。
df.rename(lambda x: x[0], axis=1)
# df.rename(lambda x: x[0], axis='columns')
y g c
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
对于这种特定情况,您可能要使用
df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis=1)
Index.str.replace
与replace
python中的字符串方法类似,pandas Index和Series(仅对象dtype)定义了一种(“矢量化”)str.replace
方法,用于基于字符串和正则表达式的替换。
df.columns = df.columns.str.replace('gdp', 'log(gdp)')
df
y log(gdp) cap
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
与其他方法相比,此方法的优点是str.replace
支持正则表达式(默认情况下启用)。有关更多信息,请参阅文档。
传递一个列表,set_axis
与axis=1
set_axis
用标题列表进行调用。该列表的长度必须等于列/索引的大小。set_axis
默认情况下会更改原始DataFrame,但您可以指定inplace=False
返回修改后的副本。
df.set_axis(['cap', 'log(gdp)', 'y'], axis=1, inplace=False)
# df.set_axis(['cap', 'log(gdp)', 'y'], axis='columns', inplace=False)
cap log(gdp) y
0 x x x
1 x x x
2 x x x
3 x x x
4 x x x
注意:在将来的版本中,inplace
默认为True
。
方法链接
为什么选择set_axis
已经有一种有效的方式分配列的方式df.columns = ...
?如Ted Petrou在[此答案]中所示,(https://stackoverflow.com/a/46912050/4909087)set_axis
在尝试链接方法时很有用。
比较
# new for pandas 0.21+
df.some_method1()
.some_method2()
.set_axis()
.some_method3()
与
# old way
df1 = df.some_method1()
.some_method2()
df1.columns = columns
df1.some_method3()
前者是更自然和自由流动的语法。
回答 3
至少有五种不同的方法来重命名熊猫中的特定列,我在下面列出了它们以及原始答案的链接。我还对这些方法进行了计时,发现它们执行的效果大致相同(尽管YMMV取决于您的数据集和方案)。下面的试验情况下是列重命名A
M
N
Z
以A2
M2
N2
Z2
在一个数据帧的列A
到Z
含有一百万行。
# Import required modules
import numpy as np
import pandas as pd
import timeit
# Create sample data
df = pd.DataFrame(np.random.randint(0,9999,size=(1000000, 26)), columns=list('ABCDEFGHIJKLMNOPQRSTUVWXYZ'))
# Standard way - https://stackoverflow.com/a/19758398/452587
def method_1():
df_renamed = df.rename(columns={'A': 'A2', 'M': 'M2', 'N': 'N2', 'Z': 'Z2'})
# Lambda function - https://stackoverflow.com/a/16770353/452587
def method_2():
df_renamed = df.rename(columns=lambda x: x + '2' if x in ['A', 'M', 'N', 'Z'] else x)
# Mapping function - https://stackoverflow.com/a/19758398/452587
def rename_some(x):
if x=='A' or x=='M' or x=='N' or x=='Z':
return x + '2'
return x
def method_3():
df_renamed = df.rename(columns=rename_some)
# Dictionary comprehension - https://stackoverflow.com/a/58143182/452587
def method_4():
df_renamed = df.rename(columns={col: col + '2' for col in df.columns[
np.asarray([i for i, col in enumerate(df.columns) if 'A' in col or 'M' in col or 'N' in col or 'Z' in col])
]})
# Dictionary comprehension - https://stackoverflow.com/a/38101084/452587
def method_5():
df_renamed = df.rename(columns=dict(zip(df[['A', 'M', 'N', 'Z']], ['A2', 'M2', 'N2', 'Z2'])))
print('Method 1:', timeit.timeit(method_1, number=10))
print('Method 2:', timeit.timeit(method_2, number=10))
print('Method 3:', timeit.timeit(method_3, number=10))
print('Method 4:', timeit.timeit(method_4, number=10))
print('Method 5:', timeit.timeit(method_5, number=10))
输出:
Method 1: 3.650640267
Method 2: 3.163998427
Method 3: 2.998530871
Method 4: 2.9918436889999995
Method 5: 3.2436501520000007
使用对您来说最直观,最容易在应用程序中实现的方法。