J'ai un dataframe appelé data. Comment renommer le seul en-tête de colonne? Par exemple gdppour 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

data.rename(columns={'gdp':'log(gdp)'}, inplace=True)

Le renamespectacle qu'il accepte un dict en tant que paramètre pour columnsque vous passiez simplement un dict avec une seule entrée.

Voir aussi lié

Une implémentation beaucoup plus rapide serait à utiliser list-comprehensionsi vous devez renommer une seule colonne.

df.columns = ['log(gdp)' if x=='gdp' else x for x in df.columns]

Si vous devez renommer plusieurs colonnes, utilisez des expressions conditionnelles telles que:

df.columns = ['log(gdp)' if x=='gdp' else 'cap_mod' if x=='cap' else x for x in df.columns]

Ou, construisez un mappage en utilisant a dictionaryet effectuez l' opération list-comprehensionavec elle geten définissant la valeur par défaut comme l'ancien nom:

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]

Horaires:

%%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

Comment renommer une colonne spécifique dans pandas?

À partir de la v0.24 +, pour renommer une (ou plusieurs) colonnes à la fois,

• DataFrame.rename()avec axis=1ou axis='columns'(l' axisargument a été introduit dans v0.21.

• Index.str.replace() pour le remplacement basé sur une chaîne / expression régulière.

Si vous devez renommer TOUTES les colonnes à la fois,

• DataFrame.set_axis()méthode avec axis=1. Passez une séquence de type liste. Des options sont également disponibles pour la modification sur place.

rename avec 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

Avec 0.21+, vous pouvez maintenant spécifier un axisparamètre avec 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

(Notez que ce renamen'est pas en place par défaut, vous devrez donc réattribuer le résultat .)

Cet ajout a été fait pour améliorer la cohérence avec le reste de l'API. Le nouvel axisargument est analogue au columnsparamètre - ils font la même chose.

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 accepte également un rappel qui est appelé une fois pour chaque colonne.

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

Pour ce scénario spécifique, vous voudriez utiliser

df.rename(lambda x: 'log(gdp)' if x == 'gdp' else x, axis=1)

Index.str.replace

Semblable à la replaceméthode des chaînes en python, les pandas Index et Series (object dtype uniquement) définissent une str.replaceméthode ("vectorisée") pour le remplacement basé sur les chaînes et les expressions régulières.

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

L'avantage de cela par rapport aux autres méthodes est qu'il str.replaceprend en charge les expressions régulières (activé par défaut). Consultez la documentation pour plus d'informations.

Passer une liste à set_axisavecaxis=1

Appel set_axisavec une liste d'en-tête (s). La liste doit être égale en longueur à la taille des colonnes / index. set_axismute le DataFrame d'origine par défaut, mais vous pouvez spécifier inplace=Falsede renvoyer une copie modifiée.

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

Remarque: dans les versions futures, inplacesera par défaut True.

Chaînage de méthodes
Pourquoi choisir set_axisquand nous avons déjà une manière efficace d'attribuer des colonnes avec df.columns = ...? Comme l'a montré Ted Petrou dans [cette réponse], ( https://stackoverflow.com/a/46912050/4909087 ) set_axisest utile lorsque vous essayez d'enchaîner des méthodes.

Comparer

# new for pandas 0.21+
df.some_method1()
  .some_method2()
  .set_axis()
  .some_method3()

Contre

# old way
df1 = df.some_method1()
        .some_method2()
df1.columns = columns
df1.some_method3()

Le premier est une syntaxe plus naturelle et fluide.

Il existe au moins cinq façons différentes de renommer des colonnes spécifiques dans les pandas, et je les ai énumérées ci-dessous avec des liens vers les réponses originales. J'ai également chronométré ces méthodes et j'ai trouvé qu'elles fonctionnaient à peu près de la même manière (bien que YMMV dépend de votre ensemble de données et de votre scénario). Le cas de test ci-dessous consiste à renommer les colonnes A M N Zen A2 M2 N2 Z2dans une trame de données avec des colonnes Apour Zcontenir un million de lignes.

# 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))

Production:

Method 1: 3.650640267
Method 2: 3.163998427
Method 3: 2.998530871
Method 4: 2.9918436889999995
Method 5: 3.2436501520000007

Utilisez la méthode la plus intuitive pour vous et la plus simple à implémenter dans votre application.