Renommer les noms de colonnes dans Pandas

Question

J'ai un DataFrame utilisant Pandas et des étiquettes de colonne que je dois modifier pour remplacer les étiquettes de colonne d'origine.

Je voudrais changer le nom des colonnes dans un DataFrame. A où se trouvent les noms des colonnes originales :

['$a', '$b', '$c', '$d', '$e']

à

['a', 'b', 'c', 'd', 'e'].

Les noms des colonnes modifiées sont stockés dans une liste, mais je ne sais pas comment remplacer les noms des colonnes.

Answer 1

Solutions en une ligne ou en pipeline

Je vais me concentrer sur deux choses :

1. L'OP indique clairement

   Les noms des colonnes modifiées sont stockés dans une liste, mais je ne sais pas comment remplacer les noms des colonnes.

   Je ne veux pas résoudre le problème de savoir comment remplacer '$' ou supprimer le premier caractère de chaque en-tête de colonne. OP a déjà fait cette étape. Je veux plutôt me concentrer sur le remplacement de l'actuel columns avec un nouvel objet donné par une liste de noms de colonnes de remplacement.

2. df.columns = new où new est la liste des noms des nouvelles colonnes est aussi simple que possible. L'inconvénient de cette approche est qu'elle nécessite d'éditer le fichier de données existant columns et il n'est pas fait en ligne. Je vais vous montrer quelques façons d'effectuer cette opération par pipelining sans modifier le cadre de données existant.

---

Setup 1
Pour mettre l'accent sur la nécessité de renommer ou de remplacer les noms de colonnes par une liste préexistante, je vais créer un nouvel exemple de cadre de données. df avec les noms des colonnes initiales et les nouveaux noms des colonnes non liées.

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

---

Solution 1
pd.DataFrame.rename

Il a déjà été dit que si vous disposiez d'un dictionnaire mettant en correspondance les anciens noms de colonne avec les nouveaux, vous pouviez utiliser 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

Cependant, vous pouvez facilement créer ce dictionnaire et l'inclure dans l'appel à la fonction rename . Ce qui suit tire parti du fait que, lors de l'itération sur df nous itérons sur chaque nom de colonne.

# 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

Cela fonctionne très bien si les noms de vos colonnes d'origine sont uniques. Mais s'ils ne le sont pas, cela ne fonctionne pas.

---

Configuration 2
Colonnes non uniques

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

---

Solution 2
pd.concat en utilisant le keys argument

Tout d'abord, remarquez ce qui se passe lorsque nous essayons d'utiliser la solution 1 :

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

   y765  y765  z432
0     1     3     5
1     2     4     6

Nous n'avons pas cartographié le new comme noms de colonnes. Nous avons fini par répéter y765 . Au lieu de cela, nous pouvons utiliser le keys argument de la pd.concat tout en itérant à travers les colonnes de df .

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

   x098  y765  z432
0     1     3     5
1     2     4     6

---

Solution 3
Reconstruire. Cette option ne doit être utilisée que si vous avez une seule dtype pour toutes les colonnes. Sinon, vous vous retrouverez avec dtype object pour toutes les colonnes et leur reconversion nécessite plus de travail de dictionnaire.

Simple dtype

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

   x098  y765  z432
0     1     3     5
1     2     4     6

Mixte 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

---

Solution 4
C'est un tour de passe-passe avec transpose et set_index . pd.DataFrame.set_index nous permet de définir un index en ligne, mais il n'y a pas d'index correspondant. set_columns . On peut donc transposer, alors set_index et transposer en arrière. Cependant, le même dtype versus mixte dtype La mise en garde de la solution 3 s'applique ici.

Simple dtype

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

   x098  y765  z432
0     1     3     5
1     2     4     6

Mixte 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

---

Solution 5
Utilisez un lambda sur pd.DataFrame.rename qui parcourt chaque élément de new .
Dans cette solution, nous passons un lambda qui prend x mais l'ignore ensuite. Il prend également un y mais ne s'y attend pas. Au lieu de cela, un itérateur est donné comme valeur par défaut et je peux alors l'utiliser pour passer d'un élément à l'autre sans tenir compte de la valeur de la variable x est.

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

   x098  y765  z432
0     1     3     5
1     2     4     6

Et comme il m'a été signalé par les gens de sopython chat si j'ajoute un * entre les deux x et y Je peux protéger mon y variable. Bien que, dans ce contexte, je ne pense pas qu'il faille la protéger. Elle mérite tout de même d'être mentionnée.

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

   x098  y765  z432
0     1     3     5
1     2     4     6

Answer 2

Allons-y. comprendre renommage par un petit exemple...

1. Renommer des colonnes en utilisant le mapping :

    df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]}) # Creating a df with column name A and B
    df.rename({"A": "new_a", "B": "new_b"}, axis='columns', inplace =True) # Renaming column A with 'new_a' and B with 'new_b'
   
    Output:
   
       new_a  new_b
    0  1       4
    1  2       5
    2  3       6

2. Renommer l'index/Nom_de_ligne en utilisant le mapping :

    df.rename({0: "x", 1: "y", 2: "z"}, axis='index', inplace =True) # Row name are getting replaced by 'x', 'y', and 'z'.
   
    Output:
   
           new_a  new_b
        x  1       4
        y  2       5
        z  3       6

Answer 3

Supposons que le nom de votre jeu de données soit df, et que df ait.

df = ['$a', '$b', '$c', '$d', '$e']`

Donc, pour les renommer, il suffit de faire.

df.columns = ['a','b','c','d','e']

Answer 4

Disons que c'est votre cadre de données.

Vous pouvez renommer les colonnes en utilisant deux méthodes.

1. Utilisation de dataframe.columns=[#list]

   df.columns=['a','b','c','d','e']

   

   La limitation de cette méthode est que si une colonne doit être modifiée, la liste complète des colonnes doit être transmise. De plus, cette méthode n'est pas applicable aux étiquettes d'index. Par exemple, si vous avez passé ceci :

   df.columns = ['a','b','c','d']

   Cela entraînera une erreur. Erreur de longueur : L'axe attendu a 5 éléments, les nouvelles valeurs ont 4 éléments.

2. Une autre méthode est celle des Pandas rename() qui est utilisée pour renommer n'importe quel index, colonne ou ligne.

   df = df.rename(columns={'$a':'a'})

   

De même, vous pouvez modifier n'importe quelle ligne ou colonne.

Answer 5

df.rename(index=str, columns={'A':'a', 'B':'b'})

pandas.DataFrame.rename