Question

我有一个数据集，其中包含在给定月份内销售的单位数量的列 - 问题是每月单位列以MM / yyyy格式命名，这意味着每个记录有12列单位信息。< / p>

例如，我的数据如下：

ProductID  |  CustomerID  |  04/2018  |  03/2018  |  02/2018  |  FileDate  |
a1032      |  c1576       |     36    |     12    |     19    | 04/20/2018 |

导致此问题的原因是每个月都有一个新文件，文件名相同，但基于过去12个月的单位信息的列标题不同。

我想要做的是，将月度单位列重命名为Month1，Month2，Month3 ......基于将导致输出的简单正则表达式，例如([0-9]*)/([0-9]*)：

ProductID  |  CustomerID  |   Month1  |   Month2  |   Month3  |  FileDate  |
a1032      |  c1576       |     36    |     12    |     19    | 04/20/2018 |

我知道这应该可以使用Python，但因为我以前从未使用过Python（我是一个老的.Net开发人员）我真的不知道如何实现这个目标。

我已经对Python中的列重命名做了一些研究，但没有一个提到模式匹配来重命名列，例如：

 df = df.rename(columns={'oldName1': 'newName1', 'oldName2': 'newName2'})

更新：我在我的示例中显示的数据只是列的一部分;总数，在我的数据集中我有120列，其中只有12列需要重命名，这就是为什么我认为正则表达式可能是最简单的方法。

Answer 1

如果您要转换为某些设置名称，则可以更轻松地将新列表传递给df.columns属性

df.columns = ['ProductID','CustomerID']+['Month{}'.format(i) for i in range(12)]+['FileDate']

如果您想使用重命名，如果您可以编写一个功能find_new_name来执行您想要的单个名称转换，则可以使用

重命名整个列表old_names

df.rename(columns = {oldname:find_new_name(old_name) for old_name in old_names})

或者，如果你有一个带有新名称的函数并找出旧名称对应的函数，那么它将是

df.rename(columns = {find_old_name(new_name):new_name for new_name in new_names})

您也可以

for new_name in new_names:
    old_name = find_new_name(old_name)
    df[new_name] = df[old_name]

这会将数据复制到具有新名称的新列而不是重命名，因此您可以将子集仅限于所需的列。

Answer 2

import re

# regex pattern
pattern = re.compile("([0-9]*)/([0-9]*)")

# get headers as list
headers = list(df)

# apply regex
months = 1
for index, header in enumerate(headers):
    if pattern.match(header):
        headers[index] = 'Month{}'.format(months)
        months += 1

# set new list as column headers
df.columns = headers

Answer 3

由于rename可以将函数作为映射器，我们可以定义一个自定义函数，如果旧列名与正则表达式匹配，则以新格式返回新列名;否则，返回相同的列名。例如，

import re


def mapper(old_name):
    match = re.match(r'([0-9]*)/([0-9]*)', old_name)
    if match:
        return 'Month{}'.format(int(match.group(1)))
    return old_name

df = df.rename(columns=mapper)

使用正则表达式在Python中重命名列

3 个答案: