Comment ajouter un suffixe (ou préfixe) à chaque nom de colonne?

Je veux ajouter un _xsuffixe à chaque nom de colonne comme ceci:

featuresA = myPandasDataFrame.columns.values + '_x'

Comment puis-je faire cela? De plus, si je voulais ajouter x_comme suffixe, comment la solution changerait-elle?

Vous pouvez utiliser une listcompréhension:

df.columns = [str(col) + '_x' for col in df.columns]

Il existe également des méthodes intégrées comme .add_suffix()et .add_prefix()comme mentionné dans une autre réponse.

Ce qui suit est la meilleure façon d'ajouter un suffixe à mon avis.

df = df.add_suffix('_some_suffix')

Comme il s'agit d'une fonction appelée sur DataFrame et qui renvoie DataFrame - vous pouvez l'utiliser dans la chaîne des appels.

Concaténation sur place élégante

Si vous essayez de modifier dfsur place, l'option la moins chère (et la plus simple) est l'ajout sur place directement sur df.columns(c'est-à-dire en utilisant Index.__iadd__).

df = pd.DataFrame({"A": [9, 4, 2, 1], "B": [12, 7, 5, 4]})
df

   A   B
0  9  12
1  4   7
2  2   5
3  1   4

df.columns += '_some_suffix'
df

   A_some_suffix  B_some_suffix
0              9             12
1              4              7
2              2              5
3              1              4

Pour ajouter un préfixe, vous utiliseriez de la même manière

df.columns = 'some_prefix_' + df.columns
df

   some_prefix_A  some_prefix_B
0              9             12
1              4              7
2              2              5
3              1              4

Une autre option bon marché consiste à utiliser une compréhension de liste avec f-stringmise en forme (disponible sur python3.6 +).

df.columns = [f'{c}_some_suffix' for c in df]
df

   A_some_suffix  B_some_suffix
0              9             12
1              4              7
2              2              5
3              1              4

Et pour le préfixe, de même,

df.columns = [f'some_prefix{c}' for c in df]

Chaînage de méthodes

Il est également possible d'ajouter des correctifs lors du chaînage des méthodes. Pour ajouter un suffixe, utilisezDataFrame.add_suffix

df.add_suffix('_some_suffix')

   A_some_suffix  B_some_suffix
0              9             12
1              4              7
2              2              5
3              1              4

Cela renvoie une copie des données. IOW, dfn'est pas modifié.

L'ajout de préfixes se fait également avec DataFrame.add_prefix.

df.add_prefix('some_prefix_')

   some_prefix_A  some_prefix_B
0              9             12
1              4              7
2              2              5
3              1              4

Qui ne modifie pas non plus df .

Critique de add_*fix

Ce sont de bonnes méthodes si vous essayez d'effectuer un chaînage de méthodes:

df.some_method1().some_method2().add_*fix(...)

Cependant, add_prefix(et add_suffix) crée une copie de l' ensemble du dataframe, juste pour modifier les en-têtes. Si vous pensez que c'est du gaspillage, mais que vous souhaitez quand même enchaîner, vous pouvez appeler pipe:

def add_suffix(df):
    df.columns += '_some_suffix'
    return df

df.some_method1().some_method2().pipe(add_suffix)

Je n'ai pas vu cette solution proposée ci-dessus, alors ajoutez-la à la liste:

df.columns += '_x'

Et vous pouvez facilement vous adapter au scénario de préfixe.

Je connais 4 façons d'ajouter un suffixe (ou un préfixe) aux noms de votre colonne:

1- df.columns = [str(col) + '_some_suffix' for col in df.columns]

ou

2- df.rename(columns= lambda col: col+'_some_suffix')

ou

3- df.columns += '_some_suffix'beaucoup plus facile.

ou, le plus beau:

3- df.add_suffix('_some_suffix')

Utilisation DataFrame.rename.

Dépréciation de add_prefixetadd_suffix

Dans les futures versions de pandas add_prefixet add_suffixsera obsolète . La nouvelle méthode conseillée consiste à utiliser DataFrame.rename:

df = pd.DataFrame({'A': range(3), 'B': range(4, 7)})
print(df)
   A  B
0  0  4
1  1  5
2  2  6

Utilisation renamede axis=1la mise en forme avec et chaîne:

df.rename('col_{}'.format, axis=1)
# or df.rename(columns='col_{}'.format)

   col_A  col_B
0      0      4
1      1      5
2      2      6

Pour écraser réellement vos noms de colonnes, nous pouvons affecter les valeurs renvoyées à notre df:

df = df.rename('col_{}'.format, axis=1)

ou utilisez inplace=True:

df.rename('col_{}'.format, axis=1, inplace=True)