我有一个名为data的数据框。如何重命名唯一的一个列标题？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
答案 0 :(得分：265)
data.rename(columns={'gdp':'log(gdp)'}, inplace=True)
rename表示它接受dict作为columns的参数，因此您只需传递带有单个条目的dict。
另见related
答案 1 :(得分：18)
如果您需要重命名单个列，更快的实施方法是使用list-comprehension。
df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]
如果需要重命名多个列，请使用条件表达式，如：
df.columns = ['log(gdp)' if x=='gdp' else 'cap_mod' if x=='cap' else x for x in df.columns]
或者，使用dictionary构建映射，并通过将默认值设置为旧名称来执行list-comprehension及其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]
<强>时序：
%%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
答案 2 :(得分：7)
如何重命名pandas中的特定列？
从v0.24 +，一次重命名一个（或多个）列，
DataFrame.rename() axis=1 或 axis='columns' （{{1}在axis。
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，
v0.21的DataFrame.set_axis() 方法。传递类似列表的序列。选项也可用于就地修改。 axis=1 的rename
axis=1使用0.21 +，您现在可以使用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
指定axis参数：
rename（请注意，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
默认不在原地，因此您需要重新分配结果。）
此添加旨在提高与API其余部分的一致性。新的rename参数类似于axis参数 - 它们做同样的事情。
columns 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
也接受为每列调用一次的回调。
rename对于这种特定情况，您可能希望使用
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
Index.str.replace 与python中的df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis=1)
字符串方法类似，pandas Index和Series（仅对象dtype）为字符串和基于regex的替换定义了一个（“向量化”）replace方法。
str.replace这比其他方法的优点是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
支持正则表达式（默认情况下启用）。有关详细信息，请参阅文档。
str.replace set_axis
使用标题列表调用axis=1。列表的长度必须与列/索引大小相等。 set_axis默认情况下会改变原始DataFrame，但您可以指定set_axis来返回修改后的副本。
inplace=False注意：在以后的版本中，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
默认为inplace。
方法链接
当我们已经有一种使用True分配列的有效方法时，为什么选择set_axis？如[本回答]中的Ted Petrou所示，（https://stackoverflow.com/a/46912050/4909087）df.columns = ...在尝试链接方法时非常有用。
比较
set_axis对战
# new for pandas 0.21+
df.some_method1()
.some_method2()
.set_axis()
.some_method3()
前者是更自然，更流畅的语法。
答案 3 :(得分：6)
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）。下面的测试案例是将A M N Z中的列重命名为A2 M2 N2 Z2一个数据列，其中列A至Z包含一百万行。
# 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。
答案 4 :(得分：2)
使用 pandas.DataFrame.rename 功能。 选中此link以获得说明。
data.rename(columns = {'gdp': 'log(gdp)'}, inplace = True)
如果您要重命名多个列，则
data.rename(columns = {'gdp': 'log(gdp)', 'cap': 'log(cap)', ..}, inplace = True)