本文参考自:pandas 修正 DataFrame 列名
原博客针对每一个DataFrame.columns中的元素做雷同的修正操纵
而拙作是对每一个元素做差别操纵的生搬硬套, 请人人不吝赐教
提出题目
存在一个名为dataset的DataFrame
>>> dataset.columns Index(['age', 'job', 'marital', 'education', 'default', 'housing', 'loan', 'contact', 'month', 'day_of_week', 'duration', 'campaign', 'pdays', 'previous', 'poutcome', 'emp.var.rate', 'cons.price.idx', 'cons.conf.idx', 'euribor3m', 'nr.employed', 'y'], dtype='object')
如今, 我要将其columns
名字改成:
>>> new_columns Index(['age_0', 'job_1', 'marital_2', 'education_3', 'default_4', 'housing_5', 'loan_6', 'contact_7', 'month_8', 'day_of_week_9', 'duration_10', 'campaign_11', 'pdays_12', 'previous_13', 'poutcome_14', 'emp.var.rate_15', 'cons.price.idx_16', 'cons.conf.idx_17', 'euribor3m_18', 'nr.employed_19', 'y_20'], dtype='object')
该怎样操纵?
处理
一.经由过程DataFrame.columns类的本身属性修正:
1.无脑赋值直接修正
>>> # 先处理`new_columns`的推导题目 >>> # 列表推导 >>> new_columns_list = [column_str+'_'+str(i) for i ,column_str in enumerate(dataset.columns)] >>> # 范例转换 >>> new_columns = pd.core.indexes.base.Index(new_columns_list) >>> dataset.columns = new_columns
2.经由过程.map(mapper, na_action=None)
函数来修正
>>> # 注:mapper 多应用 lambda 表达式 >>> # 但我好像没有找到在 lambda 表达式中转变两个值的要领 >>> # 所以只能糟糕地用一个全局变量i, 和映照函数mapper() >>> # 愿望人人能帮我找到要领 >>> i = 0 >>> def mapper(x): # 映照函数即 mapper global i x += '_' + str(i) i += 1 return x >>> dataset.columns.map(mapper)
3.参考博客用到了DataFrame.columns.str
对象
用help(DataFrame.columns.str)
翻遍了文档,
也没能找到能够被我拿来套用的要领, 想着抽时间把这段文档翻译一下
二.经由过程DataFrame.rename()函数来修正
1.暴力字典法(优点:能够只修正特定的列)
>>> # 此处先用字典推导法 >>> new_dict = { key:key+'_'+str(i) for i, key in enumerate(dataset.columns) } >>> dataset.rename(columns=new_dict, inplace=True)
2.映照修正法
>>> # 原博文依旧用到了 lambda 表达式 >>> # 我就再生搬硬套一次, 把上面的复制过来 >>> # 糟糕地用一个全局变量i, 和映照函数mapper() >>> i = 0 >>> def mapper(x): # 映照函数即 mapper global i x += '_' + str(i) i += 1 return x dataset.rename(columns=mapper, inplace=True)
轻微总结一下 : 字典推导和列表推导的使用要领很相似, 最大的区别是挑选中括号照样大括号
以上就是pandas修正DataFrame列名的要领引见(代码示例)的细致内容,更多请关注ki4网别的相干文章!