Одна линия или решения Pipeline

Я сосредоточусь на двух вещах:

1. OP четко заявляет, что у меня есть отредактированные имена столбцов, которые хранятся в списке, но я не знаю, как заменить имена столбцов. Я не хочу решать проблему замены '$' или отбрасывать первый символ каждого заголовка столбца. ОП уже сделал этот шаг. Вместо этого я хочу сосредоточиться на замене существующего объекта columns на новый, заданный список заменяющих имен столбцов.
2. df.columns = new где new - список имен новых столбцов, так же просто, как и он получает. Недостатком этого подхода является то, что он требует редактирования существующего атрибута columns существующего dataframe, и он не выполняется inline. Я покажу несколько способов выполнить это с помощью конвейерной обработки без редактирования существующего фрейма данных.

---

Настройка 1 Чтобы сосредоточиться на необходимости переименовать имена заменяемых столбцов на уже существующие list, я создам новый образец dataframe df с начальными именами столбцов и несвязанными новыми именами столбцов.

df = pd.DataFrame({'Jack': [1, 2], 'Mahesh': [3, 4], 'Xin': [5, 6]})
new = ['x098', 'y765', 'z432']

df

   Jack  Mahesh  Xin
0     1       3    5
1     2       4    6

---

Решение 1 pd.DataFrame.rename

Уже было сказано, что если у вас есть словарь, сопоставляющий имена старых столбцов с именами новых столбцов, вы можете использовать pd.DataFrame.rename.

d = {'Jack': 'x098', 'Mahesh': 'y765', 'Xin': 'z432'}
df.rename(columns=d)

   x098  y765  z432
0     1     3     5
1     2     4     6

Однако вы можете легко создать это словарь и включить его в вызов rename. Следующее использует тот факт, что при итерации по df мы перебираем каждое имя столбца.

# given just a list of new column names
df.rename(columns=dict(zip(df, new)))

   x098  y765  z432
0     1     3     5
1     2     4     6

Это отлично работает, если исходные имена столбцов уникальны.

---

Устанавливает 2 не уникальных столбца

df = pd.DataFrame(
    [[1, 3, 5], [2, 4, 6]],
    columns=['Mahesh', 'Mahesh', 'Xin']
)
new = ['x098', 'y765', 'z432']

df

   Mahesh  Mahesh  Xin
0       1       3    5
1       2       4    6

---

Решение 2 pd.concat с использованием аргумента keys

Во-первых, обратите внимание, что происходит, когда мы пытаемся использовать решение 1:

df.rename(columns=dict(zip(df, new)))

   y765  y765  z432
0     1     3     5
1     2     4     6

Мы не отобразили список new как имена столбцов. Мы закончили повторять y765. Вместо этого мы можем использовать аргумент keys функции pd.concat, итерации через столбцы df.

pd.concat([c for _, c in df.items()], axis=1, keys=new) 

   x098  y765  z432
0     1     3     5
1     2     4     6

---

Решение 3 Восстановить. Это следует использовать, только если у вас есть один dtype для всех столбцов. В противном случае вы получите dtype object для всех столбцов, а для их преобразования потребуется больше работы в словаре.

Одиночный dtype

pd.DataFrame(df.values, df.index, new)

   x098  y765  z432
0     1     3     5
1     2     4     6

Смешанный dtype

pd.DataFrame(df.values, df.index, new).astype(dict(zip(new, df.dtypes)))

   x098  y765  z432
0     1     3     5
1     2     4     6

---

Решение 4 Это трюк с transpose и set_index. pd.DataFrame.set_index позволяет установить индекс в строке, но нет соответствующего set_columns. Таким образом, мы можем транспонировать, затем set_index и транспонировать назад. Однако здесь применяется одна и ту же единственную dtype и смешанную dtype предостережение от решения 3.

Одиночный dtype

df.T.set_index(np.asarray(new)).T

   x098  y765  z432
0     1     3     5
1     2     4     6

Mixed dtype

df.T.set_index(np.asarray(new)).T.astype(dict(zip(new, df.dtypes)))

   x098  y765  z432
0     1     3     5
1     2     4     6

---

Решение 5 Используйте lambda в pd.DataFrame.rename, который циклически проходит через каждый элемент из new. В этом решении мы передаем лямбда который принимает x, но затем игнорирует его. Он также принимает y, но не ожидает этого. Вместо этого итератор задается как значение по умолчанию, и я могу использовать его для циклического перехода по одному, независимо от того, что такое значение x.

df.rename(columns=lambda x, y=iter(new): next(y))

   x098  y765  z432
0     1     3     5
1     2     4     6

И как указано меня в чате sopython , если я добавлю * между x и y, я могу защитить свою переменную y. Хотя в этом контексте я не считаю, что он нуждается в защите. Это все еще стоит упомянуть.

df.rename(columns=lambda x, *, y=iter(new): next(y))

   x098  y765  z432
0     1     3     5
1     2     4     6