许多panda函数都有一个就地参数。当设置为True时，转换将直接应用于调用它的数据帧。例如：

df = pd.DataFrame({'$a':[1,2], '$b': [3,4]})
df.rename(columns={'$a': 'a'}, inplace=True)
df.columns

>>> Index(['a', '$b'], dtype='object')

或者，在某些情况下，您希望保留原始数据帧。如果创建数据帧是一项昂贵的任务，我经常看到人们陷入这种情况。例如，如果创建数据帧需要查询雪花数据库。在这种情况下，只需确保将inplace参数设置为False。

df = pd.DataFrame({'$a':[1,2], '$b': [3,4]})
df2 = df.rename(columns={'$a': 'a'}, inplace=False)
df.columns

>>> Index(['$a', '$b'], dtype='object')

df2.columns

>>> Index(['a', '$b'], dtype='object')

如果这些类型的转换是您经常做的，那么您还可以研究一些不同的panda GUI工具。我是一个叫做水户的人的创造者。它是一个电子表格，可以自动将您的编辑转换为python代码。

另一种替换原始列标签的方法是从原始列标签中删除不需要的字符（此处为“$”）。

这可以通过在df.columns上运行for循环并将剥离的列附加到df.column来完成。

相反，我们可以通过使用下面的列表理解在一个语句中巧妙地做到这一点：

df.columns = [col.strip('$') for col in df.columns]

（Python中的strip方法会从字符串的开头和结尾剥离给定的字符。）

假设您可以使用正则表达式，则此解决方案无需使用正则表达式进行手动编码：

import pandas as pd
import re

srch = re.compile(r"\w+")

data = pd.read_csv("CSV_FILE.csv")
cols = data.columns
new_cols = list(map(lambda v:v.group(), (list(map(srch.search, cols)))))
data.columns = new_cols

单线或管道解决方案

我将关注两件事：

OP明确规定我将编辑后的列名存储在列表中，但我不知道如何替换列名。我不想解决如何替换“$”或删除每个列标题的第一个字符的问题。OP已完成此步骤。相反，我希望集中精力在给定替换列名列表的情况下，用一个新的列对象替换现有的列对象。df.columns=new其中new是新列名称的列表，非常简单。这种方法的缺点是它需要编辑现有数据帧的columns属性，而且它不是内联的。我将展示一些通过流水线执行此操作的方法，而无需编辑现有的数据帧。

---

设置1为了关注用预先存在的列表重命名或替换列名的需要，我将创建一个新的示例dataframe df，其中包含初始列名和不相关的新列名。

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

---

解决方案1pd.DataFrame.rename文件

已经说过，如果您有一个将旧列名映射到新列名的字典，可以使用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

但是，您可以轻松地创建该字典并将其包含在重命名调用中。下面的内容利用了这样一个事实，即在对df进行迭代时，我们会对每个列名进行迭代。

# 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

如果您的原始列名是唯一的，这将非常有用。但如果他们不是，那么这就失败了。

---

设置2非唯一列

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

---

解决方案2pd.concat使用keys参数

首先，注意当我们尝试使用解决方案1时会发生什么：

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

   y765  y765  z432
0     1     3     5
1     2     4     6

我们没有将新列表映射为列名。我们最终重复了y765。相反，我们可以在遍历df列时使用pd.concat函数的keys参数。

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

   x098  y765  z432
0     1     3     5
1     2     4     6

---

解决方案3修复只有当所有列都有一个dtype时，才应使用此选项。否则，您将得到所有列的dtype对象，并且将它们转换回需要更多的字典工作。

单个数据类型

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

   x098  y765  z432
0     1     3     5
1     2     4     6

混合数据类型

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

   x098  y765  z432
0     1     3     5
1     2     4     6

---

解决方案4这是一个带有转置和set_index的噱头。pd.DataFrame.set_index允许我们内联设置索引，但没有相应的set_columns。所以我们可以转置，然后设置索引，然后转置回去。然而，解决方案3中的单个数据类型与混合数据类型的警告同样适用于此。

单个数据类型

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

   x098  y765  z432
0     1     3     5
1     2     4     6

混合数据类型

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

---

解决方案5在pd.DataFrame.rename中使用循环遍历每个新元素的lambda。在这个解决方案中，我们传递一个lambda，它接受x，但忽略它。它也接受y，但不期望它。相反，迭代器被指定为默认值，然后我可以使用它一次循环一个，而不考虑x的值。

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

   x098  y765  z432
0     1     3     5
1     2     4     6

正如sopyson聊天中的人向我指出的那样，如果我在x和y之间添加一个*，我可以保护y变量。不过，在这种情况下，我不认为它需要保护。这仍然值得一提。

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

   x098  y765  z432
0     1     3     5
1     2     4     6

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

pandas.DataFrame.rename

只需将其分配给.columns属性：

>>> df = pd.DataFrame({'$a':[1,2], '$b': [10,20]})
>>> df
   $a  $b
0   1  10
1   2  20

>>> df.columns = ['a', 'b']
>>> df
   a   b
0  1  10
1  2  20